Visual C++数字图像模式识别技术及工程实践【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及工程实践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 模式和模式识别的概念1

1.2 模式空间、特征空间和类型空间2

1.3 模式识别系统的构成3

1.3.1 信息获取3

1.3.2 预处理4

1.3.3 特征提取和选择4

1.3.4 分类决策4

1.4 物体的结构表示4

1.5 图片识别问题5

1.6 关于本书的内容安排和程序5

第2章 模式识别中的基本决策方法6

2.1 基于最小错误率的贝叶斯决策6

2.2 分类器设计9

2.2.1 多类情况10

2.2.2 两类情况11

2.3 关于分类器的错误率11

2.4 关于贝叶斯决策一些讨论11

2.5 线性判别函数的基本概念12

2.6 设计线性分类器的主要步骤13

2.7 Fisher线性判别13

2.8 解决多类问题决策树15

2.8.1 决策树的基本概念16

2.8.2 决策树设计的基本考虑16

第3章 常用的模型和算法介绍17

3.1 人工神经网络的发展简史17

3.2 人工神经元18

3.2.1 神经元模型18

3.2.2 几种常用的作用函数19

3.3 人工神经网络构成22

3.3.1 基本模型22

3.3.2 前向网络22

3.4 人工神经网络的学习规则23

3.4.1 Hebb学习规则23

3.4.2 δ学习规则23

3.5 BP神经网络24

3.5.1 BP网络模型24

3.5.2 输入输出关系24

3.5.3 网络学习训练24

3.5.4 BP网络的设计问题25

3.5.5 BP网络的限制与不足27

3.5.6 BP算法的改进27

3.6 BP算法的C语言实现及使用方法29

3.7 用BP网络解决异或问题40

3.8 标题量化43

3.8.1 基本概念43

3.8.2 均匀量化44

3.8.3 非均匀量化45

3.9 矢量量化46

3.9.1 基本原理46

3.9.2 失真测度48

3.9.3 设计码本48

3.10 矢量量化算法的C语言实现50

3.11 HMM基本思想58

3.11.1 Markov链58

3.11.2 HMM的概念59

3.12 HMM基本算法60

3.12.1 前向后向算法61

3.12.2 Viterbi算法63

3.12.3 Baum-Welch算法63

3.13 基本HMM模型的C语言实现64

3.13.1 数据结构和函数定义65

3.13.2 一些基本工具66

3.13.3 HMM结构的操作函数74

3.13.4 前向后向算法78

3.13.5 Viterbi算法82

3.13.6 Baum-Welch算法85

3.13.7 随机数生成函数89

3.13.8 序列操作函数89

第4章 常用搜索算法93

4.1 状态空间法93

4.1.1 状态(State)93

4.1.2 问题状态空间(State Space)93

4.2 盲目搜索算法93

4.2.1 宽度优先搜索94

4.2.2 深度优先搜索94

4.3 启发式搜索算法96

4.3.1 搜索深度、启发函数和评价函数96

4.3.2 A算法和A 算法96

4.4 A 算法类的实现98

4.5 8数码游戏(Eight-Puzzle)简介105

4.6 关于8数码游戏解的存在性讨论106

4.6.1 问题的表达106

4.6.2 问题的转化与证明106

4.7 算法设计107

4.8 程序实现108

4.8.1 程序创建步骤109

4.8.2 数据结构和函数定义110

4.8.3 各种算法的实现111

4.8.4 可视化的实现122

4.9 黑白棋简介131

4.9.1 黑白棋规则131

4.9.2 黑白棋基本战术131

4.10 算法设计133

4.10.1 博弈算法基础133

4.10.2 Alpha-Beta剪枝135

4.10.3 估值函数139

4.10.4 开局及终局145

4.11 程序实现146

4.11.1 程序创建步骤146

4.11.2 程序代码147

第5章 联机字符识别167

5.1 汉字识别的历史和现状167

5.2 联机字符识别原理框图168

5.2.1 统计决策方法169

5.2.2 句法结构方法170

5.3 基于笔划及笔划特征二级分类的联机汉字识别170

5.3.1 笔划的分类170

5.3.2 笔划识别前的噪声处理171

5.3.3 笔划方向码合并处理及笔划识别172

5.3.4 笔划间特征量的定义及识别173

5.3.5 整字匹配的距离准则174

5.4 基于活动模板引导的子结构的识别175

5.4.1 系统模型176

5.4.2 活动模板子结构的构造176

5.4.3 子结构引导的结构匹配178

5.5 实例之联机手写数字识别180

5.5.1 难点及特征的选取180

5.5.2 相应的预处理及模板的建立181

5.5.3 程序的实现182

5.6 实例之联机手写数字、英文字符及汉字识别196

第6章 脱机字符识别219

6.1 印刷体汉字的基本识别219

6.1.1 印刷体汉字的基本知识219

6.1.2 汉字的行切割和字切割219

6.1.3 文字的归一化220

6.1.4 基于统计量的特征221

6.2 基于置信度分析和多信息融合的手写数字识别方法225

6.2.1 多种特征和多种分类器225

6.2.2 集成方法227

6.2.3 预处理229

6.3 其他手写数字识别方法简介231

6.3.1 基于支持向量机(SVM)的方法231

6.3.2 伪二阶隐马尔可夫模型应用于手写数字识别232

6.3.3 基于骨架特征顺序编码的识别方法232

6.4 手写数字识别实例之模板匹配法233

6.4.1 位图的读写233

6.4.2 细化算法235

6.4.3 特征提取与识别251

6.4.4 程序实现251

6.5 手写数字识别实例之Fisher线性判别271

6.5.1 USPS数据库271

6.5.2 Fisher判别程序274

6.6 数字识别实例之神经网络法286

第7章 在线签名签定299

7.1 时间弯折算法299

7.1.1 时间弯折的概念299

7.1.2 时间弯折的限制300

7.1.3 时间弯折的DP方法300

7.1.4 DTW方法的扩充和变形302

7.1.5 模板的建立302

7.1.6 算法的实现302

7.2 签名分段算法312

7.3 自回归分析313

7.4 联机签名可资利用的特征320

7.5 基于特征函数法的联机签名鉴定321

7.5.1 系统框图321

7.5.2 预处理321

7.5.3 特征提取322

7.5.4 特征匹配323

7.6 在线签名鉴定系统实例324

7.6.1 签名数据的输入324

7.6.2 一些结构的定义324

7.6.3 方向分布的计算326

7.6.4 文件数据的读取331

7.6.5 预处理函数333

7.6.6 识别算法342

7.6.7 保存和打开模板345

第8章 离线签名鉴定347

8.1 离线签名鉴定的一些基于统计特征的方法347

8.1.1 距离匹配变换347

8.1.2 形状特征347

8.1.3 纹理特征353

8.2 伪动态特征361

8.3 总结362

第9章 人脸的检测与定位363

9.1 人脸检测方法综述363

9.1.1 基于知识的自顶向下的方法363

9.1.2 基于人脸的特征的自底向上的方法363

9.1.3 模板匹配的方法363

9.1.4 基于人脸外观的方法364

9.2 基于肤色的人脸检测算法364

9.2.1 色彩空间与色彩空间的聚类364

9.2.2 肤色模型365

9.2.3 人脸区域分割370

9.2.4 肤色模型在人脸检测的后期验证中的应用373

9.3 人脸特征的检测374

9.3.1 候选特征的提取375

9.3.2 双眼和嘴巴的定位375

9.3.3 双眼和嘴巴的轮廓提取375

9.4 人脸检测与定位实例377

9.4.1 人脸区域的检测377

9.4.2 眼睛的标定398

9.4.3 鼻子的确定407

9.4.4 嘴的确定410

9.4.5 主程序的其他一些代码413

第10章 车牌识别技术422

10.1 系统简介422

10.1.1 车牌定位技术综述423

10.1.2 车牌字符识别技术综述423

10.2 车牌图像定位与分割算法424

10.2.1 车牌图像的特点及识别难点424

10.2.2 边缘提取算法426

10.2.3 Hough变换提取直线434

10.2.4 车牌检测的要点438

10.2.5 算法流程440

10.3 车牌字符的识别441

10.3.1 二值化441

10.3.2 倾斜度的校正442

10.3.3 大小归一化442

10.3.4 匹配识别字符442

第11章 印章识别444

11.1 伪印章的制作及人工防伪技术444

11.1.1 常用伪造印章的方法及其特征444

11.1.2 真假印章印文的检验446

11.2 自动印章识别系统的设计446

11.2.1 预处理447

11.2.2 特征的提取447

11.3 算法实现447

第12章 图像的纹理分析方法452

12.1 纹理分析概念452

12.2 空间灰度层共现矩阵453

12.3 纹理能量测量456

12.4 纹理的结构分析方法和纹理剃度458

12.4.1 纹理的结构分析方法458

12.4.2 纹理梯度458

12.5 遥感图像的纹理分析458

12.5.1 云类的自动识别458

12.5.2 台风的自动识别460

12.6 细胞图像的彩色纹理分析463

12.6.1 纹理的彩色分布特征描述463

12.6.2 纹理彩色特征464

12.6.3 细胞图像处理464

12.7 VC应用实例465

12.7.1 灰度共现矩阵类466

12.7.2 几个响应函数473

参考文献476