Visual C++数字图像模式识别技术详解 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Visual C++数字图像模式识别技术详解 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 数字图像处理概述1

1.1.1 数字图像获取1

1.1.2 图像显示与存储2

1.1.3 数字图像文件2

1.1.4 数字图像处理5

1.2 模式识别基本概念5

1.2.1 模式和模式识别的概念5

1.2.2 模式空间、特征空间和类别空间5

1.2.3 模式识别系统的组成6

1.2.4 数字图像模式识别7

1.3 实践知识拓展8

第2章 Visual C＋＋数字图像处理基础9

2.1 Visual C＋＋编程方法9

2.1.1 面向对象编程10

2.1.2 MFC类12

2.1.3 程序框架14

2.1.4 集成开发环境17

2.1.5 生成多文档应用程序20

2.2 Visual C＋＋数字图像处理25

2.2.1 BMP图像文件25

2.2.2 位图文件读取27

2.2.3 图像增强36

2.2.4 图像形态学处理46

2.2.5 图像分割50

2.3 实践知识拓展53

第3章 图像特征55

3.1 统计特征55

3.2 幅值特征57

3.3 几何特征59

3.3.1 位置与方向59

3.3.2 周长59

3.3.3 面积60

3.3.4 长轴与短轴60

3.3.5 距离61

3.4 形状特征61

3.4.1 多边形描述61

3.4.2 曲线描述62

3.4.3 标记62

3.4.4 矩形度63

3.4.5 圆形度63

3.4.6 不变矩64

3.4.7 偏心率65

3.5 纹理特征65

3.5.1 纹理66

3.5.2 纹理分析66

3.6 实践知识拓展67

第4章 统计模式识别68

4.1 统计模式识别主要研究内容68

4.2 特征的提取与选择69

4.2.1 特征评判标准——类别可分性判据69

4.2.2 特征选择及分支界定法71

4.2.3 特征提取及主分量分析72

4.3 模式分类75

4.3.1 最小错误率的贝叶斯决策75

4.3.2 感知器分类器77

4.3.3 近邻分类器78

4.4 模式聚类79

4.4.1 模式相似性测度和聚类准则80

4.4.2 层次聚类法81

4.4.3 c-均值算法81

4.5 实践知识拓展83

第5章 模式识别决策方法及实现84

5.1 人工神经网络84

5.1.1 神经网络基本原理85

5.1.2 误差反向传播算法87

5.1.3 BP网络的设计89

5.1.4 BP算法的C语言实现90

5.2 隐马尔可夫模型92

5.2.1 隐马尔可夫概念93

5.2.2 隐马尔可夫模型基本算法94

5.2.3 隐马尔可夫模型的C语言实现98

5.3 决策树107

5.3.1 决策树的基本概念107

5.3.2 决策树的设计109

5.3.3 决策树的C语言实现110

5.4 模板匹配116

5.4.1 模板匹配概念116

5.4.2 Hausdorff距离116

5.4.3 基于改进的Hausdorff距离的模板匹配算法116

5.4.4 模板匹配的C语言实现117

5.5 支持向量机118

5.5.1 支持向量机理论118

5.5.2 支持向量机模型的建立121

5.5.3 支持向量机模型的特点123

5.5.4 支持向量机在Visual C＋＋环境中的实现123

5.6 实践知识拓展124

第6章 人脸检测与特征点定位126

6.1 人脸检测方法126

6.1.1 基于肤色的检测方法126

6.1.2 其他人脸检测方法128

6.2 人脸检测实例129

6.2.1 系统设计129

6.2.2 肤色相似度计算131

6.2.3 人脸轮廓提取135

6.2.4 人脸定位137

6.2.5 脸内轮廓提取141

6.2.6 眼睛定位144

6.2.7 鼻子定位152

6.2.8 嘴部定位155

6.3 实践知识拓展158

第7章 汽车牌照识别161

7.1 系统概述161

7.2 车牌定位163

7.2.1 车牌颜色识别164

7.2.2 车牌形状识别170

7.2.3 车牌纹理识别175

7.2.4 车牌倾斜校正176

7.2.5 车牌提取177

7.3 车牌字符分割182

7.3.1 车牌二值化182

7.3.2 去除边框188

7.3.3 字符分割188

7.4 车牌字符识别188

7.4.1 字符归一化189

7.4.2 字符细化189

7.4.3 除噪190

7.4.4 字符模板匹配190

7.5 实践知识拓展194

第8章 脑部医学影像诊断196

8.1 医学影像自动诊断196

8.2 脑部医学影像的特征提取198

8.2.1 灰度共生矩阵198

8.2.2 脑CT图像纹理特征提取实例199

8.3 脑部医学影像分类器设计206

8.3.1 脑部医学影像分类器设计206

8.3.2 脑CT图像分类器训练实例208

8.3.3 分类器评估212

8.4 实践知识拓展213

第9章 印刷体汉字识别215

9.1 印刷体汉字的特征提取215

9.1.1 汉字特征的分类215

9.1.2 常用的汉字特征216

9.2 印刷体汉字的分类器设计218

9.2.1 统计模式识别218

9.2.2 结构模式识别219

9.2.3 统计模式识别与结构模式识别的结合219

9.2.4 人工神经网络219

9.3 印刷体汉字识别实例220

9.3.1 系统设计220

9.3.2 图像预处理222

9.3.3 文本区域处理225

9.3.4 多特征提取233

9.3.5 多分类器集成233

9.4 实践知识拓展248

第10章 手写体数字识别251

10.1 系统概述251

10.2 手写体数字图像的预处理253

10.2.1 图像的二值化253

10.2.2 图像反色255

10.3 手写体数字的特征提取257

10.4 手写体数字的识别264

10.5 实践知识拓展267

第11章 一维条形码识别269

11.1 一维条形码269

11.2 一维条形码图像的预处理272

11.3 一维条形码图像的特征提取和识别272

11.3.1 条码的组成272

11.3.2 EAN-13码的构造273

11.3.3 一维条形码特征提取和识别实例276

11.4 实践知识拓展283

第12章 运动图像分析286

12.1 运动图像分析286

12.1.1 运动的分类287

12.1.2 图像分析内容287

12.2 运动目标检测与跟踪实例287

12.2.1 系统设计288

12.2.2 运动目标检测294

12.2.3 运动目标跟踪298

12.3 实践知识拓展303

附录 图像处理子函数代码306

参考文献353