數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)

前言
第1章　圖像模式識(shí)別導(dǎo)論
1.1　圖像模式識(shí)別概述
1.2　圖像模式識(shí)別的應(yīng)用
1.3　基于圖像分析的黃豆質(zhì)量評(píng)估系統(tǒng)設(shè)計(jì)
1.3.1　圖像特征識(shí)別系統(tǒng)的基本技術(shù)要求
1.3.2　圖像特征識(shí)別統(tǒng)計(jì)系統(tǒng)的構(gòu)架及軟件實(shí)現(xiàn)技術(shù)
第2章　數(shù)字圖像預(yù)處理
2.1　圖像的灰度化
2.1.1　圖像的灰度化處理的基本原理
2.1.2　圖像的灰度化的程序?qū)崿F(xiàn)
2.2　圖像的二值化
2.2.1　圖像的二值化處理的基本原理
2.2.2　圖像的二值化處理的程序?qū)崿F(xiàn)
2.3　圖像的反色
2.3.1　圖像的反色處理的基本原理
2.3.2　圖像的反色處理的程序?qū)崿F(xiàn)
2.4　圖像的中值濾波
2.4.1　圖像的中值濾波處理的基本原理
2.4.2　圖像的中值濾波處理的程序?qū)崿F(xiàn)
2.5　圖像的高斯濾波
2.5.1　圖像的高斯濾波處理的基本原理
2.5.2　圖像的高斯濾波處理的程序?qū)崿F(xiàn)
2.6　Gabor變換
2.6.1　Gabor變換的基本原理
2.6.2　Gabor濾波器設(shè)計(jì)
2.6.3　Gabor變換的程序?qū)崿F(xiàn)
2.7　各向異性擴(kuò)散平滑濾波
2.7.1　各向異性擴(kuò)散平滑濾波的基本原理
2.7.2　各向異性擴(kuò)散平滑濾波的程序?qū)崿F(xiàn)
2.8　二值圖像的腐蝕
2.8.1　二值圖像的腐蝕的基本原理
2.8.2　二值圖像腐蝕的程序?qū)崿F(xiàn)
2.9　二值圖像的膨脹
2.9.1　二值圖像的膨脹的基本原理
2.9.2　二值圖像的膨脹的程序?qū)崿F(xiàn)
2.10　二值圖像的開(kāi)運(yùn)算
2.11　二值圖像的閉運(yùn)算
2.12　灰度圖像腐蝕
2.12.1　灰度圖像腐蝕的基本原理
2.12.2　灰度圖像腐蝕的程序?qū)崿F(xiàn)
2.13　灰度圖像膨脹
2.13.1　灰度圖像膨脹的基本原理
2.13.2　灰度圖像膨脹的程序?qū)崿F(xiàn)
2.14　灰度圖像開(kāi)運(yùn)算
2.15　灰度圖像閉運(yùn)算
2.16　灰度圖像腐蝕和膨脹的其他衍生運(yùn)算
2.17　圖像的Sobel邊緣檢測(cè)
2.17.1　圖像的Sobel邊緣檢測(cè)的原理
2.17.2　Sobel邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.18　圖像的Prewitt邊緣檢測(cè)
2.18.1　圖像的Prewiu邊緣檢測(cè)的原理
2.18.2　Prewitt邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.19　圖像的Robert邊緣檢測(cè)
2.19.1　圖像的Robert邊緣檢測(cè)的基本原理
2.19.2　Robert邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.20　Kirsch邊緣檢測(cè)
2.20.1　Kirsch邊緣檢測(cè)的基本原理
2.20.2　Kirsch邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.21　Laplace邊緣檢測(cè)
2.21.1　Laplace邊緣檢測(cè)的基本原理
2.21.2　Laplace邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.22　Gauss-Laplace邊緣檢測(cè)
2.22.1　Gauss-Laplace邊緣檢測(cè)的基本原理
2.22.2　Gauss-Laplace邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.23　Canny邊緣檢測(cè)
2.23.1　Canny邊緣檢測(cè)的基本原理
2.23.2　Canny邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.24　Marr邊緣檢測(cè)
2.24.1　Marr邊緣檢測(cè)的基本原理
2.24.2　Marr邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.25　基于圖像預(yù)處理技術(shù)的細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件設(shè)計(jì)
2.25.1　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件系統(tǒng)要求
2.25.2　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件系統(tǒng)設(shè)計(jì)框架
2.25.3　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件模塊設(shè)計(jì)
第3章　模板分類(lèi)器
3.1　模板匹配分類(lèi)法
3.2　基于模板分類(lèi)器的手寫(xiě)數(shù)字識(shí)別工程軟件設(shè)計(jì)
3.2.1　手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件設(shè)計(jì)要求
3.2.2　手寫(xiě)數(shù)字識(shí)別軟件系統(tǒng)的模塊構(gòu)成
3.2.3　數(shù)字圖像模板庫(kù)的建立及管理
3.2.4　數(shù)字圖像模板庫(kù)的修改和添加
3.2.5　手寫(xiě)數(shù)字圖像識(shí)別
3.2.6　手寫(xiě)數(shù)字識(shí)別軟件與其他軟件的信息交流
3.3　基于模板分類(lèi)器的肝臟B超圖像自動(dòng)診斷系統(tǒng)工程軟件設(shè)計(jì)
3.3.1　肝臟B超圖像紋理分析
3.3.2　肝臟B超圖像紋理計(jì)算
3.3.3　肝臟B超圖像自動(dòng)診斷系統(tǒng)的軟件設(shè)計(jì)
3.4　基于模板分類(lèi)器的軸承表面缺陷識(shí)別系統(tǒng)工程軟件設(shè)計(jì)
3.4.1　軸承表面缺陷圖像分析
3.4.2　表面缺陷圖像的一般幾何特征提取
3.4.3　表面缺陷圖像的矩特征提取
3.4.4　軸承表面缺陷識(shí)別系統(tǒng)的軟件設(shè)計(jì)
第4章　貝葉斯分類(lèi)法
4.1　貝葉斯決策概述
4.1.1　貝葉斯決策的一般概念
4.1.2　貝葉斯定理
4.2　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)軟件設(shè)計(jì)
4.2.1　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件設(shè)計(jì)步驟
4.2.2　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件實(shí)現(xiàn)
第5章　幾何分類(lèi)器
5.1　幾何分類(lèi)器的基本概念
5.2　判別函數(shù)分類(lèi)器
5.2.1　判別函數(shù)的種類(lèi)
5.2.2　線性判別函數(shù)
5.3　幾何分類(lèi)器的設(shè)計(jì)
5.3.1　線性分類(lèi)器的設(shè)計(jì)
5.3.2　LMSE分類(lèi)法在手寫(xiě)數(shù)字識(shí)別中的程序設(shè)計(jì)
5.3.3　LMSE分類(lèi)法在肝臟紋理分類(lèi)識(shí)別中的程序設(shè)計(jì)
5.3.4　Fisher分類(lèi)準(zhǔn)則
5.3.5　基于Fisher的手寫(xiě)數(shù)字分類(lèi)算法的程序?qū)崿F(xiàn)
第6章　圖像分割與特征生成
6.1　圖像分割的基本概念
6.2　特征生成及特征匹配
6.2.1　顏色特征
6.2.2　形狀特征
6.2.3　紋理特征
6.2.4　空間關(guān)系特征
6.2.5　特征和分類(lèi)
6.2.6　樣本特征歸一化
6.3　圖形形狀分類(lèi)與計(jì)數(shù)系統(tǒng)的工程軟件設(shè)計(jì)
6.3.1　圖形形狀分類(lèi)與計(jì)數(shù)系統(tǒng)的設(shè)計(jì)框架
6.3.2　圖形形狀各特征值的定義與計(jì)算
6.3.3　基于一般幾何特征值的綜合分析與統(tǒng)計(jì)
6.3.4　光柵圖像識(shí)別與矢量圖形轉(zhuǎn)換
6.4　基于鏈碼運(yùn)算的細(xì)胞分割和計(jì)數(shù)系統(tǒng)的工程軟件設(shè)計(jì)
6.4.1　醫(yī)學(xué)圖像細(xì)胞分割的各種方法與應(yīng)用
6.4.2　基于鏈碼運(yùn)算和其他技術(shù)的細(xì)胞分割技術(shù)的比較和應(yīng)用
6.4.3　基于鏈碼運(yùn)算的細(xì)胞分割和計(jì)數(shù)系統(tǒng)的軟件設(shè)計(jì)
第7章　神經(jīng)網(wǎng)絡(luò)分類(lèi)器
7.1　神經(jīng)網(wǎng)絡(luò)的基本概念
7.2　神經(jīng)網(wǎng)絡(luò)的理論分析
7.2.1　神經(jīng)元模型
7.2.2　BP網(wǎng)絡(luò)的學(xué)習(xí)算法
7.2.3　BP網(wǎng)絡(luò)的設(shè)計(jì)
7.2.4　一般性BP網(wǎng)絡(luò)的不足與改進(jìn)
7.3　基于BP神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別系統(tǒng)軟件設(shè)計(jì)
7.3.1　字符特征選擇與提取的實(shí)現(xiàn)
7.3.2　基于神經(jīng)元網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別程序?qū)崿F(xiàn)
7.4　基于神經(jīng)網(wǎng)絡(luò)的肝臟B超圖像自動(dòng)診斷與識(shí)別系統(tǒng)軟件設(shè)計(jì)
7.4.1　B超圖像識(shí)別BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
7.4.2　B超圖像識(shí)別BP網(wǎng)絡(luò)的輸出編碼
7.4.3　B超圖像識(shí)別BP網(wǎng)絡(luò)的參數(shù)選擇
第8章　聚類(lèi)分析
8.1　聚類(lèi)分析的一般概念
8.1.1　系統(tǒng)聚類(lèi)
8.1.2　分解聚類(lèi)
8.1.3　動(dòng)態(tài)聚類(lèi)
8.1.4　模糊聚類(lèi)
8.2　基于均值聚類(lèi)車(chē)牌定位和字符識(shí)別系統(tǒng)工程軟件設(shè)計(jì)
8.2.1　基于強(qiáng)制聚類(lèi)中心的均值聚類(lèi)技術(shù)的車(chē)牌定位技術(shù)
8.2.2　車(chē)牌字符綜合特征的選擇和識(shí)別
8.2.3　基于均值聚類(lèi)的細(xì)胞統(tǒng)計(jì)系統(tǒng)工程軟件設(shè)計(jì)
參考文獻(xiàn)