Visual C++數(shù)字圖像模式識別典型案例詳解

前言
第一篇 基礎篇
第1章 數(shù)字圖像模式識別
1.1 數(shù)字圖像處理概述
1.1.1 數(shù)字圖像獲取
1.1.2 圖像顯示與存儲
1.1.3 數(shù)字圖像文件
1.1.4 數(shù)字圖像處理
1.2 模式識別基本概念
1.2.1 模式和模式識別的概念
1.2.2 模式空間、特征空間和類別空間
1.2.3 模式識別系統(tǒng)的組成
1.2.4 數(shù)字圖像模式識別的基本過程
1.3 VisualC++數(shù)字圖像處理類
1.3.1 VisualC++編程方法
1.3.2 VisualC++數(shù)字圖像處理類
第2章 模式識別實現(xiàn)方法
2.1 統(tǒng)計模式識別
2.1.1 特征的提取與選擇
2.1.2 模式分類
2.1.3 模式聚類
2.2 經(jīng)典模式識別決策方法及實現(xiàn)
2.2.1 人工神經(jīng)網(wǎng)絡
2.2.2 隱馬爾可夫模型
2.2.3 決策樹
2.2.4 模板匹配
2.2.5 支持向量機
第二篇 案例篇
第3章 一維條形碼識別系統(tǒng)
3.1 系統(tǒng)介紹
3.2 核心技術(shù)原理
3.2.1 常用的條形碼編碼規(guī)則
3.2.2 預處理過程——二值化
3.2.3 譯碼過程——平均值法
3.3 系統(tǒng)結(jié)構(gòu)與流程
3.3.1 系統(tǒng)總體結(jié)構(gòu)
3.3.2 二值化算法流程
3.3.3 平均值法算法流程
3.4 編程實現(xiàn)
3.4.1 二值化算法
3.4.2 平均值法
3.5 運行效果
第4章 基于模糊聚類的圖形識別系統(tǒng)
4.1 系統(tǒng)介紹
4.2 核心技術(shù)原理
4.2.1 圖像的標識及特征提取
4.2.2 模式相似性測量
4.2.3 模糊理論基本概念
4.2.4 模糊聚類分析
4.3 系統(tǒng)結(jié)構(gòu)與流程
4.3.1 系統(tǒng)總體結(jié)構(gòu)
4.3.2 圖像標識及特征提取算法流程
4.3.3 計算模糊距離算法流程
4.3.4 模糊聚類算法流程
4.4 編程實現(xiàn)
4.4.1 圖像的標識及特征提取
4.4.2 計算模糊距離
4.4.3 模糊聚類
4.5 運行效果
第5章 人臉檢測系統(tǒng)
5.1 系統(tǒng)介紹
5.2 核心技術(shù)原理
5.2.1 彩色圖像空間
5.2.2 人臉膚色相似度計算
5.2.3 人臉識別與分割
5.3 系統(tǒng)結(jié)構(gòu)與流程
5.3.1 系統(tǒng)總體結(jié)構(gòu)
5.3.2 人臉膚色相似度算法流程
5.3.3 人臉識別與分割算法流程
5.4 編程實現(xiàn)
5.4.1 人臉膚色相似度比較
5.4.2 人臉識別與分割
5.5 運行效果
第6章 人臉定位系統(tǒng)
6.1 系統(tǒng)介紹
6.2 核心技術(shù)原理
6.2.1 人臉輪廓提取
6.2.2 眼睛識別與定位
6.2.3 鼻子識別與定位
6.2.4 嘴部識別與定位
6.3 系統(tǒng)結(jié)構(gòu)與流程
6.3.1 系統(tǒng)總體結(jié)構(gòu)
6.3.2 人臉定位
6.3.3 人臉內(nèi)輪廓提取
6.3.4 眼睛定位
6.3.5 鼻子定位
6.3.6 嘴部定位
6.4 編程實現(xiàn)
6.4.1 人臉位置定位
6.4.2 人臉內(nèi)輪廓提取
6.4.3 眼睛定位
6.4.4 鼻子定位
6.4.5 嘴部定位
6.5 運行效果
第7章 灰度車牌定位系統(tǒng)
7.1 系統(tǒng)介紹
7.2 核心技術(shù)原理
7.2.1 車牌圖像預處理
7.2.2 車牌定位
7.3 系統(tǒng)結(jié)構(gòu)與流程
7.3.1 系統(tǒng)總體結(jié)構(gòu)
7.3.2 圖像灰度化算法流程
7.3.3 直方圖均衡化算法流程
7.3.4 圖像平滑算法流程
7.3.5 圖像二值化算法流程
7.3.6 圖像小顆粒去噪算法流程
7.3.7 車牌定位算法流程
7.4 編程實現(xiàn)
7.4.1 圖像預處理
7.4.2 車牌定位
7.5 運行效果
第8章 腦部CT圖像輔助診斷系統(tǒng)
8.1 系統(tǒng)介紹
8.2 核心技術(shù)原理
8.2.1 腦部CT圖像特點分析
8.2.2 腦部CT圖像預處理——分段線性拉伸
8.2.3 醫(yī)學CT圖像特征提取
8.2.4 腦部CT圖像分類與輔助診斷
8.3 系統(tǒng)結(jié)構(gòu)與流程
8.3.1 系統(tǒng)總體結(jié)構(gòu)
8.3.2 分段線性拉伸算法流程
8.3.3 灰度共生矩陣算法流程
8.3.4 BP神經(jīng)網(wǎng)絡算法流程
8.4 編程實現(xiàn)
8.4.1 分段線性拉伸
8.4.2 特征提取
8.4.3 分類器訓練
8.5 運行效果
8.5.1 系統(tǒng)操作步驟
8.5.2 實驗結(jié)果及分析
第9章 手寫體數(shù)字識別系統(tǒng)
9.1 系統(tǒng)介紹
9.2 核心技術(shù)原理
9.2.1 手寫體數(shù)字圖像校正
9.2.2 手寫體數(shù)字網(wǎng)格特征
9.2.3 手寫體數(shù)字識別
9.3 系統(tǒng)結(jié)構(gòu)與流程
9.3.1 系統(tǒng)總體結(jié)構(gòu)
9.3.2 手寫體數(shù)字圖像校正
9.3.3 手寫體數(shù)字網(wǎng)格特征
9.3.4 手寫體數(shù)字識別
9.4 編程實現(xiàn)
9.4.1 手寫體數(shù)字圖像校正
9.4.2 手寫體數(shù)字網(wǎng)格特征
9.4.3 手寫體數(shù)字識別
9.5 運行效果
第10章 指紋識別的預處理
10.1 系統(tǒng)介紹
10.2 核心技術(shù)原理
10.2.1 指紋圖像場及其計算
10.2.2 指紋圖像的分割
10.2.3 指紋圖像的均衡
10.2.4 指紋圖像的收斂
10.2.5 指紋圖像的平滑
10.2.6 指紋圖像的智能增強
10.2.7 指紋圖像骨架的提取準備
10.2.8 指紋圖像骨架的細化提取
10.3 系統(tǒng)結(jié)構(gòu)與流程
10.3.1 系統(tǒng)總體結(jié)構(gòu)
10.3.2 指紋圖像方向場計算算法流程
10.3.3 指紋圖像的分割算法流程
10.3.4 指紋圖像的均衡算法流程
10.3.5 指紋圖像的收斂算法流程
10.3.6 指紋圖像的平滑算法流程
10.3.7 指紋圖像的智能增強算法流程
10.3.8 指紋圖像的骨架提取準備算法流程
10.3.9 指紋圖像的骨架細化算法流程
10.4 編程實現(xiàn)
10.4.1 指紋圖像方向場計算
10.4.2 指紋圖像的分割
10.4.3 指紋圖像的均衡
10.4.4 指紋圖像的收斂
10.4.5 指紋圖像的平滑
10.4.6 指紋圖像的智能增強
10.4.7 指紋圖像的智能二值化
10.4.8 指紋圖像的骨架細化
10.5 運行效果
第11章 指紋圖像特征提取系統(tǒng)
11.1 系統(tǒng)介紹
11.2 核心技術(shù)原理
11.2.1 指紋特征定義及分類
11.2.2 指紋特征點的提取
11.2.3 指紋偽特征點及其去除方法
11.3 系統(tǒng)結(jié)構(gòu)與流程
11.3.1 系統(tǒng)總體結(jié)構(gòu)
11.3.2 指紋特征端點、叉點的提取算法流程
11.3.3 指紋特征奇異點提取算法流程
11.3.4 去除偽指紋特征點算法流程
11.4 編程實現(xiàn)
11.4.1 指紋圖像端點提取
11.4.2 指紋圖像叉點提取
11.4.3 指紋圖像奇異點提取
11.4.4 指紋圖像偽特征點去除
11.5 運行效果
第12章 指紋圖像比對系統(tǒng)
12.1 系統(tǒng)介紹
12.2 核心技術(shù)原理
12.2.1 指紋圖像“柔性”配準
12.2.2 指紋圖像匹配
12.3 系統(tǒng)結(jié)構(gòu)與流程
12.3.1 系統(tǒng)總體結(jié)構(gòu)
12.3.2 指紋圖像配準算法流程
12.3.3 指紋圖像匹配算法流程
12.3.4 指紋圖像比對算法流程
12.4 編程實現(xiàn)
12.4.1 指紋圖像匹配
12.4.2 指紋圖像全局比對
12.5 運行效果
第三篇 拓展篇
第13章 彩色汽車牌照識別系統(tǒng)
13.1 系統(tǒng)概述
13.1.1 汽車牌照定位
13.1.2 汽車牌照字符分割
13.1.3 汽車牌照字符識別
13.2 系統(tǒng)結(jié)構(gòu)與流程
13.3 汽車牌照定位
13.3.1 汽車牌照特征
13.3.2 汽車牌照區(qū)域識別思路
13.3.3 汽車牌照區(qū)域粗定位
13.3.4 汽車牌照區(qū)域精定位
13.3.5 汽車牌照傾斜校正
13.3.6 汽車牌照提取
13.4 汽車牌照分割
13.4.1 汽車牌照二值化
13.4.2 去除邊框
13.4.3 字符分割
13.5 汽車牌照字符識別
13.5.1 字符圖像預處理
13.5.2 字符模板匹配
第14章 中文印刷體文檔識別系統(tǒng)
14.1 系統(tǒng)概述
14.1.1 中文印刷體文檔識別研究現(xiàn)狀
14.1.2 中文印刷體文檔識別結(jié)構(gòu)與流程
14.1.3 中文印刷體文檔識別中的難點
14.2 中文印刷體文檔圖像預處理
14.2.1 中文印刷體文檔圖像特點
14.2.2 二值化處理
14.2.3 平滑去噪
14.2.4 傾斜校正
14.3 版面分析
14.3.1 版面結(jié)構(gòu)
14.3.2 版面分析方法
14.3.3 版面理解
14.3.4 版面重構(gòu)
14.4 印刷體漢字識別
14.4.1 文本區(qū)域預處理
14.4.2 印刷體漢字的特征提取
14.4.3 印刷體漢字的識別
14.5 公式的定位與提取
14.5.1 印刷體文檔公式的特點
14.5.2 基于投影的公式定位和提取
14.5.3 基于Parzen窗的獨立行公式定位和提取
14.5.4 基于字符寬度中心矩的公式定位和提取
14.5.5 基于漢字拒識的內(nèi)嵌公式定位和提取
14.6 公式字符分割與識別
14.6.1 公式字符的特點
14.6.2 公式字符的分割
14.6.3 公式字符的識別
14.7 公式結(jié)構(gòu)分析與表示
14.7.1 公式結(jié)構(gòu)分析的難點
14.7.2 公式結(jié)構(gòu)分析前的字符預處理
14.7.3 公式結(jié)構(gòu)分析方法
14.7.4 公式結(jié)構(gòu)表示方法
14.8 圖表處理
14.8.1 文檔中圖形圖像的表示與處理
14.8.2 文檔中表格的分析與識別
參考文獻