精通Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐

內(nèi)容概要

本書介紹了模式識別和人工智能中的一些基本理論，以及一些相關(guān)的模型，包括貝葉斯決策、線性判別函數(shù)、神經(jīng)網(wǎng)絡(luò)理論、隱馬爾可夫模型、聚類技術(shù)等，同時結(jié)合模式識別中的一些問題，比如字符識別、筆跡鑒定、人臉檢測、車牌識別、印章識別以及遙感圖片、醫(yī)學(xué)圖片處理等內(nèi)容，從多種角度，介紹了解決這些問題的思路?！　”緯鴮ζ渲械拇蠖鄶?shù)問題，給出了基于C/VC++ 6.0的實現(xiàn)代碼，且具有一定的擴(kuò)展性。有的實例還給出了不同的實現(xiàn)方法，以供讀者選擇。　　    本書可作為讀者學(xué)習(xí)模式識別與人工智能時的參考書。

書籍目錄

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

章節(jié)摘錄

第1章　緒論模式識別誕生于20世紀(jì)20年代，隨著40年代計算機(jī)的出現(xiàn)，50年代人工智能的興起，模式識別在20世紀(jì)60年代迅速發(fā)展成為一門學(xué)科。它所研究的理論和方法在很多科學(xué)和技術(shù)領(lǐng)域中得到了廣泛的重視，推動了人工智能系統(tǒng)的發(fā)展，擴(kuò)大了計算機(jī)應(yīng)用的可能性。幾十年來，模式識別研究取得了大量的成果，也實現(xiàn)了很多成功的應(yīng)用，但由于實際系統(tǒng)中涉及很多復(fù)雜的問題，面對這些問題，現(xiàn)有的理論和方法就顯得有些不足了。如何將這些方法結(jié)合實際問題加以應(yīng)用，是我們應(yīng)考慮的重點。1.1 模式和模式識別的概念模式可以由演繹或者歸納過程而得到。首先，假定模式這一概念是觀察者本身所固有的，或者假定觀察者是通過對許多不完全實例的觀察而抽象出這一概念的。當(dāng)這些實例被標(biāo)以一種或幾種已給定的模式時，這一過程可以稱之為“有導(dǎo)師”的學(xué)習(xí)。如果沒有這樣的標(biāo)記也同樣行之有效的過程，稱之為“無導(dǎo)師”的學(xué)習(xí)。模式識別是一個不僅被人類也被動物所履行的過程。并且，在進(jìn)化的意義上，這個過程有著確定的生存價值?！俺橄蠡被蛘摺袄硐牖币泊_實允許一個生物以一種相似于由以前的經(jīng)驗所證實行之有效的方法去應(yīng)付新的同類型情況。較低等的生物所具備的抽象概念也許只限于危險、食物和交配，而較高級生物所具有的抽象概念顯然更為豐富。模式識別在生物學(xué)意義上的重要性表明人類和動物的神經(jīng)系統(tǒng)可能已經(jīng)發(fā)展了行之有效的回路。可以說神經(jīng)系統(tǒng)對處理具備生存價值的任務(wù)要比沒有生存價值的任務(wù)更有效，就像我們很容易完成一項復(fù)雜的模式識別任務(wù)，而對做多位數(shù)乘法卻感到相當(dāng)困難。

編輯推薦

《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)》對其中的大多數(shù)問題，給出了基于C/VC++6.0的實現(xiàn)代碼，且具有一定的擴(kuò)展性。有的實例還給出了不同的實現(xiàn)方法，以供讀者選擇?！毒╒isual C++數(shù)字圖像處理模式識別技術(shù)及工程實踐(第2版)》可作為讀者學(xué)習(xí)模式識別與人工智能時的參考書。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    精通Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐 PDF格式下載

---