精通Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐

內(nèi)容概要

本書(shū)介紹了模式識(shí)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(lèi)技術(shù)等，同時(shí)結(jié)合模式識(shí)別中的一些問(wèn)題，比如字符識(shí)別、筆跡鑒定、人臉檢測(cè)、車(chē)牌識(shí)別、印章識(shí)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(wèn)題的思路?！　”緯?shū)對(duì)其中的大多數(shù)問(wèn)題，給出了基于C/VC++ 6.0的實(shí)現(xiàn)代碼，且具有一定的擴(kuò)展性。有的實(shí)例還給出了不同的實(shí)現(xiàn)方法，以供讀者選擇?！　?   本書(shū)可作為讀者學(xué)習(xí)模式識(shí)別與人工智能時(shí)的參考書(shū)。

書(shū)籍目錄

第1章 緒論     　1.1 模式和模式識(shí)別的概念     　1.2 模式空間、特征空間和類(lèi)型空間     　1.3 模式識(shí)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(lèi)決策     　1.4 物體的結(jié)構(gòu)表示     　1.5 圖片識(shí)別問(wèn)題     第2章 模式識(shí)別中的基本決策方法     　2.1 基于最小錯(cuò)誤率的貝葉斯決策     　2.2 分類(lèi)器設(shè)計(jì)     　　2.2.1 多類(lèi)情況    　　2.2.2 兩類(lèi)情況    　2.3 關(guān)于分類(lèi)器的錯(cuò)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(jì)線性分類(lèi)器的主要步驟    　2.7 Fisher線性判別    　2.8 解決多類(lèi)問(wèn)題決策樹(shù)    　　2.8.1 決策樹(shù)的基本概念    　　2.8.2 決策樹(shù)設(shè)計(jì)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(jiǎn)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(jì)問(wèn)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(yǔ)言實(shí)現(xiàn)及使用方法    　3.7 用BP網(wǎng)絡(luò)解決異或問(wèn)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(cè)度    　　3.9.3 設(shè)計(jì)碼本    　3.10 矢量量化算法的C語(yǔ)言實(shí)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(yǔ)言實(shí)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(wèn)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(píng)價(jià)函數(shù)    　　4.3.2 A算法和A*算法    　4.4 A*算法類(lèi)的實(shí)現(xiàn)    　4.5 數(shù)碼游戲（Eight-Puzzle）簡(jiǎn)介    　4.6 關(guān)于8數(shù)碼游戲解的存在性討論    　　4.6.1 問(wèn)題的表達(dá)    　　4.6.2 問(wèn)題的轉(zhuǎn)化與證明    　4.7 算法設(shè)計(jì)    　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(shí)現(xiàn)   　　4.8.4 可視化的實(shí)現(xiàn)   　4.9 黑白棋簡(jiǎn)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(jì)   　　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(kāi)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(shí)別   　5.1 漢字識(shí)別的歷史和現(xiàn)狀   　5.2 聯(lián)機(jī)字符識(shí)別原理框圖   　　5.2.1 統(tǒng)計(jì)決策方法   　　5.2.2 句法結(jié)構(gòu)方法   　5.3 基于筆畫(huà)及筆畫(huà)特征二級(jí)分類(lèi)的聯(lián)機(jī)漢字識(shí)別   　　5.3.1 筆畫(huà)的分類(lèi)   　　5.3.2 筆畫(huà)識(shí)別前的噪聲處理   　　5.3.3 筆畫(huà)方向碼合并處理及筆畫(huà)識(shí)別   　　5.3.4 筆畫(huà)間特征量的定義及識(shí)別   　　5.3.5 整字匹配的距離準(zhǔn)則   　5.4 基于活動(dòng)模板引導(dǎo)的子結(jié)構(gòu)的識(shí)別   　　5.4.1 系統(tǒng)模型   　　5.4.2 活動(dòng)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(shí)例之聯(lián)機(jī)手寫(xiě)數(shù)字識(shí)別   　　5.5.1 難點(diǎn)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(shí)現(xiàn)   　5.6 實(shí)例之聯(lián)機(jī)手寫(xiě)數(shù)字、英文字符及漢字識(shí)別   第6章 脫機(jī)字符識(shí)別   　6.1 印刷體漢字的識(shí)別   　　6.1.1 印刷體漢字的基本知識(shí)   　　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(jì)量的特征   　6.2 基于置信度分析和多信息融合的手寫(xiě)數(shù)字識(shí)別方法   　　6.2.1 多種特征和多種分類(lèi)器   　　6.2.2 集成方法   　　6.2.3 預(yù)處理   　6.3 其他手寫(xiě)數(shù)字識(shí)別方法簡(jiǎn)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(xiě)數(shù)字識(shí)別   　　6.3.3 基于骨架特征順序編碼的識(shí)別方法   　6.4 手寫(xiě)數(shù)字識(shí)別實(shí)例之模板匹配法   　　6.4.1 位圖的讀寫(xiě)   　　6.4.2 細(xì)化算法   　　6.4.3 特征提取與識(shí)別   　　6.4.4 程序?qū)崿F(xiàn)   　6.5 手寫(xiě)數(shù)字識(shí)別實(shí)例之Fisher線性判別   　　6.5.1 USPS數(shù)據(jù)庫(kù)   　　6.5.2 Fisher判別程序   　6.6 數(shù)字識(shí)別實(shí)例之神經(jīng)網(wǎng)絡(luò)法   第7章 在線簽名鑒定   　7.1 時(shí)間彎折算法   　　7.1.1 時(shí)間彎折的概念   　　7.1.2 時(shí)間彎折的限制   　　7.1.3 時(shí)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(shí)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(shí)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(jì)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(shí)別算法   　　7.6.7 保存和打開(kāi)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(dòng)態(tài)特征   　8.3 總結(jié)   第9章 人臉的檢測(cè)與定位   　9.1 人臉檢測(cè)方法綜述   　　9.1.1 基于知識(shí)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(cè)算法   　　9.2.1 色彩空間與色彩空間的聚類(lèi)   　　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(cè)的后期驗(yàn)證中的應(yīng)用   　9.3 人臉特征的檢測(cè)   　　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(cè)與定位實(shí)例   　　9.4.1 人臉區(qū)域的檢測(cè)   　　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(chē)牌識(shí)別技術(shù)   　10.1 系統(tǒng)簡(jiǎn)介   　　10.1.1 車(chē)牌定位技術(shù)綜述   　　10.1.2 車(chē)牌字符識(shí)別技術(shù)綜述   　10.2 車(chē)牌圖像定位與分割算法   　　10.2.1 車(chē)牌圖像的特點(diǎn)及識(shí)別難點(diǎn)   　　10.2.2 邊緣提取算法   　　10.2.3 Hough變換提取直線   　　10.2.4 車(chē)牌檢測(cè)的要點(diǎn)   　　10.2.5 算法流程   　10.3 車(chē)牌字符的識(shí)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(shí)別字符   第11章 印章識(shí)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(yàn)   　11.2 自動(dòng)印章識(shí)別系統(tǒng)的設(shè)計(jì)   　　11.2.1 預(yù)處理   　　11.2.2 特征的提取   　11.3 算法實(shí)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(cè)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(lèi)的自動(dòng)識(shí)別   　　12.5.2 臺(tái)風(fēng)的自動(dòng)識(shí)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(shí)例   　　12.7.1 灰度共現(xiàn)矩陣類(lèi)   　　12.7.2 幾個(gè)響應(yīng)函數(shù)   參考文獻(xiàn)

章節(jié)摘錄

第1章　緒論模式識(shí)別誕生于20世紀(jì)20年代，隨著40年代計(jì)算機(jī)的出現(xiàn)，50年代人工智能的興起，模式識(shí)別在20世紀(jì)60年代迅速發(fā)展成為一門(mén)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(dòng)了人工智能系統(tǒng)的發(fā)展，擴(kuò)大了計(jì)算機(jī)應(yīng)用的可能性。幾十年來(lái)，模式識(shí)別研究取得了大量的成果，也實(shí)現(xiàn)了很多成功的應(yīng)用，但由于實(shí)際系統(tǒng)中涉及很多復(fù)雜的問(wèn)題，面對(duì)這些問(wèn)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(shí)際問(wèn)題加以應(yīng)用，是我們應(yīng)考慮的重點(diǎn)。1.1 模式和模式識(shí)別的概念模式可以由演繹或者歸納過(guò)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(guò)對(duì)許多不完全實(shí)例的觀察而抽象出這一概念的。當(dāng)這些實(shí)例被標(biāo)以一種或幾種已給定的模式時(shí)，這一過(guò)程可以稱(chēng)之為“有導(dǎo)師”的學(xué)習(xí)。如果沒(méi)有這樣的標(biāo)記也同樣行之有效的過(guò)程，稱(chēng)之為“無(wú)導(dǎo)師”的學(xué)習(xí)。模式識(shí)別是一個(gè)不僅被人類(lèi)也被動(dòng)物所履行的過(guò)程。并且，在進(jìn)化的意義上，這個(gè)過(guò)程有著確定的生存價(jià)值?！俺橄蠡被蛘摺袄硐牖币泊_實(shí)允許一個(gè)生物以一種相似于由以前的經(jīng)驗(yàn)所證實(shí)行之有效的方法去應(yīng)付新的同類(lèi)型情況。較低等的生物所具備的抽象概念也許只限于危險(xiǎn)、食物和交配，而較高級(jí)生物所具有的抽象概念顯然更為豐富。模式識(shí)別在生物學(xué)意義上的重要性表明人類(lèi)和動(dòng)物的神經(jīng)系統(tǒng)可能已經(jīng)發(fā)展了行之有效的回路?？梢哉f(shuō)神經(jīng)系統(tǒng)對(duì)處理具備生存價(jià)值的任務(wù)要比沒(méi)有生存價(jià)值的任務(wù)更有效，就像我們很容易完成一項(xiàng)復(fù)雜的模式識(shí)別任務(wù)，而對(duì)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(shí)別技術(shù)及工程實(shí)踐(第2版)》對(duì)其中的大多數(shù)問(wèn)題，給出了基于C/VC++6.0的實(shí)現(xiàn)代碼，且具有一定的擴(kuò)展性。有的實(shí)例還給出了不同的實(shí)現(xiàn)方法，以供讀者選擇?！毒╒isual C++數(shù)字圖像處理模式識(shí)別技術(shù)及工程實(shí)踐(第2版)》可作為讀者學(xué)習(xí)模式識(shí)別與人工智能時(shí)的參考書(shū)。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

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

---