數(shù)字圖像模式識別工程軟件設計

內容概要

本書主要介紹圖像模式識別的基礎理論和程序實現(xiàn)技術，從工程應用的角度比較全面地介紹圖像模式識別應用軟件設計的基本方法和實用技術。全書分為8章，主要內容包括：圖像模式識別的基本理論和概念、圖像模式識別中所需的各種圖像預處理技術、模板分類器的基本理論和程序設計方法、貝葉斯分類器的基本理論和程序設計方法、幾何分類器的基本理論和程序設計方法、圖像分割和特征生成的基本技術和程序設計方法、神經網絡分類器的基本理論和程序設計方法、聚類分析的基本理論和程序設計方法．每章都包含多個圖像模式識別的工程應用例程，各章之間的理論分析和程序模塊具有一定的相關性和獨立性。    本書系統(tǒng)介紹了基于Delphi的圖像模式識別的程序設計技術，以講解實例設計的方式介紹圖像模式識別的程序設計技巧，注重理論，突出實用。    本書可作為本科生、研究生和工程軟件人員的圖像模式識別算法及相關應用課程的參考教材，書中的例子全部通過Delphi 7驗證實現(xiàn)，隨書所附光盤提供書中介紹的所有圖像模式識別方面的軟件包的完整源程序以及編程和運行所需的資源、素材和控件。    書中的例子全部通過Delphi 7驗證實現(xiàn)，隨書所附光盤提供書中介紹的所有圖像處理工程軟件包的完整源程序及編程和運行所需的資源、素材和控件。

作者簡介

蔣先剛，男，湖南永州人。華東交通大學基礎科學學院、交通信息工程與控制研究所教授。1982年中南大學鐵道學院機械工程與自動化專業(yè)畢業(yè)。1985年北京航空航天大學工程圖學研究生班畢業(yè)。1997-1998年英國Strathclyde大學國家訪問學者，2003-2004年英國Cranfield大學國家訪問學

書籍目錄

前言第1章  圖像模式識別導論  1.1  圖像模式識別概述  1.2  圖像模式識別的應用  1.3  基于圖像分析的黃豆質量評估系統(tǒng)設計    1.3.1  圖像特征識別系統(tǒng)的基本技術要求    1.3.2  圖像特征識別統(tǒng)計系統(tǒng)的構架及軟件實現(xiàn)技術第2章  數(shù)字圖像預處理  2.1  圖像的灰度化    2.1.1  圖像的灰度化處理的基本原理    2.1.2  圖像的灰度化的程序實現(xiàn)  2.2  圖像的二值化    2.2.1  圖像的二值化處理的基本原理    2.2.2  圖像的二值化處理的程序實現(xiàn)  2.3  圖像的反色    2.3.1  圖像的反色處理的基本原理    2.3.2  圖像的反色處理的程序實現(xiàn)  2.4  圖像的中值濾波    2.4.1  圖像的中值濾波處理的基本原理    2.4.2  圖像的中值濾波處理的程序實現(xiàn)  2.5  圖像的高斯濾波    2.5.1  圖像的高斯濾波處理的基本原理    2.5.2  圖像的高斯濾波處理的程序實現(xiàn)  2.6  Gabor變換    2.6.1  Gabor變換的基本原理    2.6.2  Gabor濾波器設計    2.6.3  Gabor變換的程序實現(xiàn)  2.7  各向異性擴散平滑濾波    2.7.1  各向異性擴散平滑濾波的基本原理    2.7.2  各向異性擴散平滑濾波的程序實現(xiàn)  2.8  二值圖像的腐蝕    2.8.1  二值圖像的腐蝕的基本原理    2.8.2  二值圖像腐蝕的程序實現(xiàn)  2.9  二值圖像的膨脹    2.9.1  二值圖像的膨脹的基本原理    2.9.2  二值圖像的膨脹的程序實現(xiàn)  2.10  二值圖像的開運算  2.11  二值圖像的閉運算  2.12  灰度圖像腐蝕    2.12.1  灰度圖像腐蝕的基本原理    2.12.2  灰度圖像腐蝕的程序實現(xiàn)  2.13  灰度圖像膨脹    2.13.1  灰度圖像膨脹的基本原理    2.13.2  灰度圖像膨脹的程序實現(xiàn)  2.14  灰度圖像開運算  2.15  灰度圖像閉運算  2.16  灰度圖像腐蝕和膨脹的其他衍生運算  2.17  圖像的Sobel邊緣檢測    2.17.1  圖像的Sobel邊緣檢測的原理    2.17.2  Sobel邊緣檢測的程序實現(xiàn)  2.18  圖像的Prewitt邊緣檢測    2.18.1  圖像的Prewiu邊緣檢測的原理    2.18.2  Prewitt邊緣檢測的程序實現(xiàn)  2.19  圖像的Robert邊緣檢測    2.19.1  圖像的Robert邊緣檢測的基本原理    2.19.2  Robert邊緣檢測的程序實現(xiàn)  2.20  Kirsch邊緣檢測    2.20.1  Kirsch邊緣檢測的基本原理    2.20.2  Kirsch邊緣檢測的程序實現(xiàn)  2.21  Laplace邊緣檢測    2.21.1  Laplace邊緣檢測的基本原理    2.21.2  Laplace邊緣檢測的程序實現(xiàn)  2.22  Gauss-Laplace邊緣檢測    2.22.1  Gauss-Laplace邊緣檢測的基本原理    2.22.2  Gauss-Laplace邊緣檢測的程序實現(xiàn)  2.23  Canny邊緣檢測    2.23.1  Canny邊緣檢測的基本原理    2.23.2  Canny邊緣檢測的程序實現(xiàn)  2.24  Marr邊緣檢測    2.24.1  Marr邊緣檢測的基本原理    2.24.2  Marr邊緣檢測的程序實現(xiàn)  2.25  基于圖像預處理技術的細小顆粒計數(shù)系統(tǒng)的軟件設計    2.25.1  細小顆粒計數(shù)系統(tǒng)的軟件系統(tǒng)要求    2.25.2  細小顆粒計數(shù)系統(tǒng)的軟件系統(tǒng)設計框架    2.25.3  細小顆粒計數(shù)系統(tǒng)的軟件模塊設計第3章  模板分類器  3.1  模板匹配分類法  3.2  基于模板分類器的手寫數(shù)字識別工程軟件設計    3.2.1  手寫數(shù)字識別系統(tǒng)的軟件設計要求    3.2.2  手寫數(shù)字識別軟件系統(tǒng)的模塊構成    3.2.3  數(shù)字圖像模板庫的建立及管理    3.2.4  數(shù)字圖像模板庫的修改和添加    3.2.5  手寫數(shù)字圖像識別    3.2.6  手寫數(shù)字識別軟件與其他軟件的信息交流  3.3  基于模板分類器的肝臟B超圖像自動診斷系統(tǒng)工程軟件設計    3.3.1  肝臟B超圖像紋理分析    3.3.2  肝臟B超圖像紋理計算    3.3.3  肝臟B超圖像自動診斷系統(tǒng)的軟件設計  3.4  基于模板分類器的軸承表面缺陷識別系統(tǒng)工程軟件設計    3.4.1  軸承表面缺陷圖像分析    3.4.2  表面缺陷圖像的一般幾何特征提取    3.4.3  表面缺陷圖像的矩特征提取    3.4.4  軸承表面缺陷識別系統(tǒng)的軟件設計第4章  貝葉斯分類法  4.1  貝葉斯決策概述    4.1.1  貝葉斯決策的一般概念    4.1.2  貝葉斯定理  4.2  基于貝葉斯的手寫數(shù)字識別系統(tǒng)軟件設計    4.2.1  基于貝葉斯的手寫數(shù)字識別系統(tǒng)的軟件設計步驟    4.2.2  基于貝葉斯的手寫數(shù)字識別系統(tǒng)的軟件實現(xiàn)第5章  幾何分類器  5.1  幾何分類器的基本概念  5.2  判別函數(shù)分類器    5.2.1  判別函數(shù)的種類    5.2.2  線性判別函數(shù)  5.3  幾何分類器的設計    5.3.1  線性分類器的設計    5.3.2  LMSE分類法在手寫數(shù)字識別中的程序設計    5.3.3  LMSE分類法在肝臟紋理分類識別中的程序設計    5.3.4  Fisher分類準則    5.3.5  基于Fisher的手寫數(shù)字分類算法的程序實現(xiàn)第6章  圖像分割與特征生成  6.1  圖像分割的基本概念  6.2  特征生成及特征匹配    6.2.1  顏色特征    6.2.2  形狀特征    6.2.3  紋理特征    6.2.4  空間關系特征    6.2.5  特征和分類    6.2.6  樣本特征歸一化  6.3  圖形形狀分類與計數(shù)系統(tǒng)的工程軟件設計    6.3.1  圖形形狀分類與計數(shù)系統(tǒng)的設計框架    6.3.2  圖形形狀各特征值的定義與計算    6.3.3  基于一般幾何特征值的綜合分析與統(tǒng)計    6.3.4  光柵圖像識別與矢量圖形轉換  6.4  基于鏈碼運算的細胞分割和計數(shù)系統(tǒng)的工程軟件設計    6.4.1  醫(yī)學圖像細胞分割的各種方法與應用    6.4.2  基于鏈碼運算和其他技術的細胞分割技術的比較和應用    6.4.3  基于鏈碼運算的細胞分割和計數(shù)系統(tǒng)的軟件設計第7章  神經網絡分類器  7.1  神經網絡的基本概念  7.2  神經網絡的理論分析    7.2.1  神經元模型    7.2.2  BP網絡的學習算法    7.2.3  BP網絡的設計    7.2.4  一般性BP網絡的不足與改進  7.3  基于BP神經網絡的手寫數(shù)字識別系統(tǒng)軟件設計    7.3.1  字符特征選擇與提取的實現(xiàn)    7.3.2  基于神經元網絡的手寫數(shù)字識別程序實現(xiàn)  7.4  基于神經網絡的肝臟B超圖像自動診斷與識別系統(tǒng)軟件設計    7.4.1  B超圖像識別BP網絡的拓撲結構    7.4.2  B超圖像識別BP網絡的輸出編碼    7.4.3  B超圖像識別BP網絡的參數(shù)選擇第8章  聚類分析  8.1  聚類分析的一般概念    8.1.1  系統(tǒng)聚類    8.1.2  分解聚類    8.1.3  動態(tài)聚類    8.1.4  模糊聚類  8.2  基于均值聚類車牌定位和字符識別系統(tǒng)工程軟件設計    8.2.1  基于強制聚類中心的均值聚類技術的車牌定位技術    8.2.2  車牌字符綜合特征的選擇和識別    8.2.3  基于均值聚類的細胞統(tǒng)計系統(tǒng)工程軟件設計參考文獻

章節(jié)摘錄

插圖：第1章 圖像模式識別導論1.1 圖像模式識別概述圖像模式是人們對要識別的圖像對象的定義和描述，圖像模式類是具有某些幾何、紋理和數(shù)學描述體的共同特性的樣本客體的集合。圖像模式識別是對表征事物或物理現(xiàn)象的各種形式的物理數(shù)據(jù)、圖像信息進行處理和分析，以對圖像進行描述、辨認、分類和解釋的過程。圖像模式識別的研究是將圖像處理、特征定義與變換、分類方法、數(shù)字計算等各種技術綜合應用，自動地識別和分類物體圖像中的幾何目標、區(qū)域紋理和數(shù)學描述體的目標的過程。一般的基于計算機的圖像模式識別系統(tǒng)由5個基本模塊組成，包括圖像數(shù)據(jù)采集、圖像數(shù)據(jù)和預處理、特征建立及分析、分類器設計、分類決策或模型匹配。任何一種圖像模式識別方法的實現(xiàn)都需要有客體，首先要通過各種數(shù)據(jù)采集設備、數(shù)字圖像攝像頭、模擬圖像A／D轉換卡或者將各種物理變量轉換為計算機能表達的二維或三維數(shù)字圖像。這種由獲取的數(shù)字圖像組成的空間為模式空間，計算機必須從這些眾多的圖像數(shù)字信息中抽取和提煉出重要和簡約有效的特征信息，這在系統(tǒng)處理的前期需要包括消除噪聲、分離背景、圖像分割等技術處理，去掉一些非重要信息，然后對識別樣板的物體或者區(qū)域的特征進行分析計算和變換，采用合理的方法和技術對特征進行選擇、提取和訓練以建立和形成模式的特征庫，對待識別的樣本的模式分類或模型匹配在已建立的特征空間和特征樣板庫的基礎上依據(jù)合理的分類器方法而得到正確的分類結果。一般的圖像模式識別系統(tǒng)主要由5部分組成：圖像信息獲取、圖像預處理、圖像特征抽取、分類器設計和分類決策。通常的圖像識別系統(tǒng)具體的模塊構成如圖1.1所示。圖像模式識別的主要過程包含如下模塊功能：（1）圖像信息獲取。通過數(shù)據(jù)采集器、圖像轉換卡、數(shù)字攝像頭將光信號、模擬信號、物理數(shù)據(jù)等信息轉化為數(shù)字圖像信息。采集的物理數(shù)據(jù)可以以二維或三維的方式顯示出來，不同格式的圖像將轉換成24位的R、G、B表達的圖像格式，動態(tài)表達的影像序列被提取成單幀圖像（2）圖像預處理。

編輯推薦

《數(shù)字圖像模式識別工程軟件設計》由中國水利水電出版社出版。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)字圖像模式識別工程軟件設計 PDF格式下載

---