精通Visual C++數(shù)字圖像處理模式識別技術(shù)及工程實踐（第2版）

第1章　緒論　1
1.1　模式和模式識別的概念　1
1.2　模式空間、特征空間和類型空間　2
1.3　模式識別系統(tǒng)的構(gòu)成　3
1.3.1　信息獲取　3
1.3.2　預(yù)處理　4
1.3.3　特征提取和選擇　4
1.3.4　分類決策　4
1.4　物體的結(jié)構(gòu)表示　4
1.5　圖片識別問題　5
第2章　模式識別中的基本決策方法　6
2.1　基于最小錯誤率的貝葉斯決策　6
2.2　分類器設(shè)計　9
2.2.1　多類情況　10
2.2.2　兩類情況　10
2.3　關(guān)于分類器的錯誤率　10
2.4　關(guān)于貝葉斯決策　10
2.5　線性判別函數(shù)的基本概念　11
2.6　設(shè)計線性分類器的主要步驟　12
2.7　Fisher線性判別　12
2.8　解決多類問題決策樹　14
2.8.1　決策樹的基本概念　14
2.8.2　決策樹設(shè)計的基本考慮　15
第3章　常用的模型和算法介紹　16
3.1　人工神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史　16
3.2　人工神經(jīng)元　17
3.2.1　神經(jīng)元模型　17
3.2.2　幾種常用的作用函數(shù)　18
3.3　人工神經(jīng)網(wǎng)絡(luò)構(gòu)成　20
3.3.1　基本模型　20
3.3.2　前向網(wǎng)絡(luò)　20
3.4　人工神經(jīng)網(wǎng)絡(luò)的學習規(guī)則　21
3.4.1　Hebb學習規(guī)則　21
3.4.2　δ學習規(guī)則　21
3.5　BP網(wǎng)絡(luò)　21
3.5.1　BP網(wǎng)絡(luò)模型　22
3.5.2　輸入輸出關(guān)系　22
3.5.3　網(wǎng)絡(luò)學習訓練　22
3.5.4　BP網(wǎng)絡(luò)的設(shè)計問題　23
3.5.5　BP網(wǎng)絡(luò)的限制與不足　25
3.5.6　BP算法的改進　25
3.6　BP算法的C語言實現(xiàn)及使用方法　26
3.7　用BP網(wǎng)絡(luò)解決異或問題　37
3.8　標量量化　39
3.8.1　基本概念　39
3.8.2　均勻量化　41
3.8.3　非均勻量化　41
3.9　矢量量化　42
3.9.1　基本原理　42
3.9.2　失真測度　44
3.9.3　設(shè)計碼本　44
3.10　矢量量化算法的C語言實現(xiàn)　45
3.11　HMM基本思想　52
3.11.1　Markov鏈　52
3.11.2　HMM的概念　53
3.12　HMM基本算法　54
3.12.1　前向后向算法　55
3.12.2　Viterbi算法　56
3.12.3　Baum-Welch算法　57
3.13　基本HMM模型的C語言實現(xiàn)　58
3.13.1　數(shù)據(jù)結(jié)構(gòu)和函數(shù)定義　58
3.13.2　一些基本工具　59
3.13.3　HMM結(jié)構(gòu)的操作函數(shù)　67
3.13.4　前向后向算法　71
3.13.5　Viterbi算法　75
3.13.6　Baum-Welch算法　78
3.13.7　隨機數(shù)生成函數(shù)　81
3.13.8　序列操作函數(shù)　82
第4章　常用搜索算法　85
4.1　狀態(tài)空間法　85
4.1.1　狀態(tài)(State)　85
4.1.2　問題的狀態(tài)空間(State Space)　85
4.2　盲目搜索算法　86
4.2.1　寬度優(yōu)先搜索　86
4.2.2　深度優(yōu)先搜索　87
4.3　啟發(fā)式搜索算法　88
4.3.1　搜索深度、啟發(fā)函數(shù)和評價函數(shù)　88
4.3.2　A算法和A*算法　88
4.4　A*算法類的實現(xiàn)　89
4.5　8數(shù)碼游戲(Eight-Puzzle)簡介　97
4.6　關(guān)于8數(shù)碼游戲解的存在性討論　97
4.6.1　問題的表達　97
4.6.2　問題的轉(zhuǎn)化與證明　97
4.7　算法設(shè)計　98
4.8　程序?qū)崿F(xiàn)　99
4.8.1　程序創(chuàng)建步驟　100
4.8.2　數(shù)據(jù)結(jié)構(gòu)和函數(shù)定義　101
4.8.3　各種算法的實現(xiàn)　102
4.8.4　可視化的實現(xiàn)　112
4.9　黑白棋簡介　120
4.9.1　黑白棋規(guī)則　120
4.9.2　黑白棋基本戰(zhàn)術(shù)　121
4.10　算法設(shè)計　122
4.10.1　博弈算法基礎(chǔ)　122
4.10.2　Alpha-Beta剪枝　124
4.10.3　估值函數(shù)　128
4.10.4　開局及終局　134
4.11　程序?qū)崿F(xiàn)　134
4.11.1　程序創(chuàng)建步驟　135
4.11.2　程序代碼　135
第5章　聯(lián)機字符識別　154
5.1　漢字識別的歷史和現(xiàn)狀　154
5.2　聯(lián)機字符識別原理框圖　155
5.2.1　統(tǒng)計決策方法　156
5.2.2　句法結(jié)構(gòu)方法　157
5.3　基于筆畫及筆畫特征二級分類的聯(lián)機漢字識別　158
5.3.1　筆畫的分類　158
5.3.2　筆畫識別前的噪聲處理　159
5.3.3　筆畫方向碼合并處理及筆畫識別　160
5.3.4　筆畫間特征量的定義及識別　160
5.3.5　整字匹配的距離準則　161
5.4　基于活動模板引導(dǎo)的子結(jié)構(gòu)的識別　163
5.4.1　系統(tǒng)模型　163
5.4.2　活動模板子結(jié)構(gòu)的構(gòu)造　164
5.4.3　子結(jié)構(gòu)引導(dǎo)的結(jié)構(gòu)匹配　165
5.5　實例之聯(lián)機手寫數(shù)字識別　167
5.5.1　難點及特征的選取　167
5.5.2　相應(yīng)的預(yù)處理及模板的建立　168
5.5.3　程序的實現(xiàn)　169
5.6　實例之聯(lián)機手寫數(shù)字、英文字符及漢字識別　182
第6章　脫機字符識別　204
6.1　印刷體漢字的識別　204
6.1.1　印刷體漢字的基本知識　204
6.1.2　漢字的行切割和字切割　204
6.1.3　文字的歸一化　205
6.1.4　基于統(tǒng)計量的特征　206
6.2　基于置信度分析和多信息融合的手寫數(shù)字識別方法　209
6.2.1　多種特征和多種分類器　210
6.2.2　集成方法　211
6.2.3　預(yù)處理　213
6.3　其他手寫數(shù)字識別方法簡介　215
6.3.1　基于支持向量機(SVM)的方法　215
6.3.2　偽二階隱馬爾可夫模型應(yīng)用于手寫數(shù)字識別　215
6.3.3　基于骨架特征順序編碼的識別方法　216
6.4　手寫數(shù)字識別實例之模板匹配法　216
6.4.1　位圖的讀寫　216
6.4.2　細化算法　218
6.4.3　特征提取與識別　233
6.4.4　程序?qū)崿F(xiàn)　233
6.5　手寫數(shù)字識別實例之Fisher線性判別　252
6.5.1　USPS數(shù)據(jù)庫　252
6.5.2　Fisher判別程序　254
6.6　數(shù)字識別實例之神經(jīng)網(wǎng)絡(luò)法　266
第7章　在線簽名鑒定　279
7.1　時間彎折算法　279
7.1.1　時間彎折的概念　279
7.1.2　時間彎折的限制　280
7.1.3　時間彎折的DP方法　281
7.1.4　DTW方法的擴充和變形　282
7.1.5　模板的建立　282
7.1.6　算法的實現(xiàn)　282
7.2　簽名分段算法　291
7.3　自回歸分析　293
7.4　聯(lián)機簽名可以利用的特征　299
7.5　基于特征函數(shù)法的聯(lián)機簽名鑒定　300
7.5.1　系統(tǒng)框圖　300
7.5.2　預(yù)處理　300
7.5.3　特征提取　301
7.5.4　特征匹配　302
7.6　在線簽名鑒定系統(tǒng)實例　302
7.6.1　簽名數(shù)據(jù)的輸入　302
7.6.2　一些結(jié)構(gòu)的定義　303
7.6.3　方向分布的計算　304
7.6.4　文件數(shù)據(jù)的讀取　309
7.6.5　預(yù)處理函數(shù)　311
7.6.6　識別算法　320
7.6.7　保存和打開模板　323
第8章　離線簽名鑒定　325
8.1　離線簽名鑒定的方法　325
8.1.1　距離匹配變換　325
8.1.2　形狀特征　325
8.1.3　紋理特征　330
8.2　偽動態(tài)特征　339
8.3　總結(jié)　340
第9章　人臉的檢測與定位　341
9.1　人臉檢測方法綜述　341
9.1.1　基于知識的自頂向下的方法　341
9.1.2　基于人臉特征的自底向上的方法　342
9.1.3　模板匹配的方法　342
9.1.4　基于人臉外觀的方法　342
9.2　基于膚色的人臉檢測算法　342
9.2.1　色彩空間與色彩空間的聚類　342
9.2.2　膚色模型　343
9.2.3　人臉區(qū)域分割　347
9.2.4　膚色模型在人臉檢測的后期驗證中的應(yīng)用　350
9.3　人臉特征的檢測　351
9.3.1　候選特征的提取　352
9.3.2　雙眼和嘴巴的定位　352
9.3.3　雙眼和嘴巴的輪廓提取　352
9.4　人臉檢測與定位實例　354
9.4.1　人臉區(qū)域的檢測　354
9.4.2　眼睛的標定　374
9.4.3　鼻子的確定　382
9.4.4　嘴的確定　384
9.4.5　主程序的其他一些代碼　387
第10章　車牌識別技術(shù)　396
10.1　系統(tǒng)簡介　396
10.1.1　車牌定位技術(shù)綜述　397
10.1.2　車牌字符識別技術(shù)綜述　398
10.2　車牌圖像定位與分割算法　398
10.2.1　車牌圖像的特點及識別難點　399
10.2.2　邊緣提取算法　400
10.2.3　Hough變換提取直線　408
10.2.4　車牌檢測的要點　412
10.2.5　算法流程　413
10.3　車牌字符的識別　414
10.3.1　二值化　415
10.3.2　傾斜度的校正　415
10.3.3　大小歸一化　416
10.3.4　匹配識別字符　416
第11章　印章識別　418
11.1　偽印章的制作及人工防偽技術(shù)　418
11.1.1　常用偽造印章的方法及其特征　418
11.1.2　真假印章印文的檢驗　420
11.2　自動印章識別系統(tǒng)的設(shè)計　421
11.2.1　預(yù)處理　421
11.2.2　特征的提取　421
11.3　算法實現(xiàn)　422
第12章　圖像的紋理分析方法　426
12.1　紋理分析概念　426
12.2　空間灰度層共現(xiàn)矩陣　427
12.3　紋理能量測量　429
12.4　紋理的結(jié)構(gòu)分析方法和紋理梯度　431
12.4.1　紋理的結(jié)構(gòu)分析方法　431
12.4.2　紋理梯度　432
12.5　遙感圖像的紋理分析　432
12.5.1　云類的自動識別　432
12.5.2　臺風的自動識別　434
12.6　細胞圖像的彩色紋理分析　436
12.6.1　紋理的彩色分布特征描述　436
12.6.2　紋理彩色特征　437
12.6.3　細胞圖像處理　438
12.7　Visual C++應(yīng)用實例　438
12.7.1　灰度共現(xiàn)矩陣類　439
12.7.2　幾個響應(yīng)函數(shù)　446
參考文獻　449