Visual C++数字图像模式识别技术详解

出版时间：2010年9月1日  出版社：机械工业出版社  作者：冯伟兴,唐墨,贺波  页数：330  
Tag标签：无  

前言

作为一门实践性强的综合性边缘学科.数字图像模式识别技术研究的内容主要包括图像变换、图像增强、图像特征提取、图像识别以及运动图像分析等。本书将以实践为导向，以实用为目标来介绍这些重要的数字图像模式识别技术，在介绍数字图像模式识别技术基础理论及算法原理的同时，重点详细地介绍如何用Visual c++编程实现这些典型及常用算法，并结合实际应用，介绍作者所在实验室近年来在工程实践和课题研究中总结出来的一些经典案例，力求理论、应用与实际编程的紧密结合，使读者真正掌握用Visual c++进行图像模式识别编程的基本方法和技巧。本书内容丰富、层次清晰、力求较强的实践性和可用性。在学习完本书之后，相信读者能够深入掌握数字图像模式识别技术的基础理论和经典算法，并能顺利进行实际项目的开发。本书特点本书主要有以下特点。1.循序渐进。由浅入深为了方便读者学习，本书全部实例程序均采用同一个应用程序界面。从基于Visual c++构建应用程序界面，到增加图像处理功能，再到最终的数字图像模式识别经典实例的实现，全书内容前后连贯，互相依托，构成一个整体。使读者高效地掌握基于Visual c++实现数字图像模式识别技术的基本方法。2.技术全面，内容充实本书以理论和编程实践相结合的方式介绍了数字图像模式识别技术的常用算法。按照数字图像模式识别技术的基本体系结构，全面地从数字图像模式识别技术基础知识、数字图像处理应用、数字模式识别技术实例三个层次组织内容，并有机结合了数字图像模式识别技术、软件开发方面的专业知识。3.对比讲解，理解深刻本书针对不是非常熟悉Visual c++编程和数字图像模式识别技术的初学者，采用图文并茂、对比讲解的方式，详细介绍算法实现的每一个步骤。希望通过这种讲解方式，帮助读者加深、加快对Visual c++数字图像模式识别技术的理解和掌握。

内容概要

本书内容包括11章：绪论、Visual C++数字图像处理基础、图像特征、统计模式识别、模式识别决策方法及实现，以及人脸检测与特征点定位、汽车牌照识别、脑部医学影像诊断、印刷体汉字识别、手写体数字识别、运动图像分析共6个数字图像模式识别应用实例。系统地介绍了数字图像模式识别技术的基本概念和理论、基本方法和算法，并将图像模式识别的基础理论与Visual C++软件实践相结合。    本书条堙清晰、系统全面、由浅入深、实例引导、贴近实用。全书基于数字图像模式识别技术的基本流程，结合实例详细讲解相关基本概念、理论以及几种典型实践和应用，内容翔实、实践性强，其特色在于重点强调了怎样通过开发新代码来增强这些软件工具。另外，本书还配有完整的实例代码光盘，便于学习。    本书可作为普通高等院校计算机、自动化等相关专业数字图像模式识别技术方面的本科生教材，也可作为相关工程技术人员的学习参考用书。

书籍目录

前言第1章  绪论  1.1  数字图像处理概述    1.1.1  数字图像获取    1.1.2  图像显示与存储    1.1.3  数字图像文件    1.1.4  数字图像处理  1.2  模式识别基本概念    1.2.1  模式和模式识别的概念    1.2.2  模式空间、特征空间和类别空间    1.2.3  模式识别系统的组成    1.2.4  数字图像模式识别  1.3  实践拓展第2章  Visual C++数字图像处理基础  2.1  Visual C++编程方法    2.1.1  面向对象编程    2.1.2  MFC类    2.1.3  程序框架    2.1.4  集成开发环境    2.1.5  生成多文档应用程序  2.2  Visual C++数字图像处理    2.2.1  BMP图像文件    2.2.2  位图文件读取    2.2.3  图像增强    2.2.4  图像形态学处理    2.2.5  图像分割  2.3  实践拓展第3章  图像特征  3.1  统计特征  3.2  幅值特征  3.3  几何特征    3.3.1  位置与方向    3.3.2  周长    3.3.3  面积    3.3.4  长轴与短轴    3.3.5  距离  3.4  形状特征    3.4.1  多边形描述    3.4.2  曲线描述    3.4.3  标记    3.4.4  矩形度    3.4.5  圆形度    3.4.6  不变矩    3.4.7  偏心率  3.5  纹理特征    3.5.1  纹理    3.5.2  纹理分析  3.6  实践拓展第4章  统计模式识别  4.1  统计模式识别的研究内容  4.2  特征的提取与选择    4.2.1  特征评判标准——类别可分性判据    4.2.2  特征选择及分支界定法    4.2.3  特征提取及主分量分析  4.3  模式分类    4.3.1  最小错误率的贝叶斯决策    4.3.2  感知器分类器    4.3.3  近邻分类器  4.4  模式聚类    4.4.1  模式相似性测度和聚类准则    4.4.2  层次聚类法    4.4.3  C-均值算法  4.5  实践拓展第5章  模式识别决策方法及实现  5.1  人工神经网络    5.1.1  神经网络基本原理    5.1.2  误差反向传播算法    5.1.3  BP网络的设计    5.1.4  BP算法的C语言实现  5.2  隐马尔可夫模型    5.2.1  隐马尔可夫概念    5.2.2  隐马尔可夫模型基本算法    5.2.3  隐马尔可夫模型的C语言实现  5.3  决策树    5.3.1  决策树的基本概念    5.3.2  决策树的设计    5.3.3  决策树的C语言实现  5.4  模板匹配    5.4.1  模板匹配概念    5.4.2  Hausdorff距离    5.4.3  基于改进的Hausdorff距离的模板匹配算法    5.4.4  模板匹配的C语言实现  5.5  实践拓展第6章  人脸检测与特征点定位  6.1  人脸检测方法    6.1.1  基于肤色的检测方法    6.1.2  其他人脸检测方法  6.2  人脸检测实例    6.2.1  系统设计    6.2.2  肤色相似度计算    6.2.3  人脸轮廓提取    6.2.4  人脸定位    6.2.5  脸内轮廓提取    6.2.6  眼睛定位    6.2.7  鼻子定位    6.2.8  嘴部定位  6.3  实践拓展第7章  汽车牌照识别  7.1  系统概述  7.2  车牌定位    7.2.1  车牌颜色识别    7.2.2  车牌形状识别    7.2.3  车牌纹理识别    7.2.4  车牌倾斜校正    7.2.5  车牌定位及提取  7.3  车牌字符分割    7.3.1  车牌二值化    7.3.2  去除边框    7.3.3  字符分割  7.4  车牌字符识别    7.4.1  字符归一化    7.4.2  字符细化    7.4.3  除噪    7.4.4  字符模板匹配  7.5  实践拓展第8章  脑部医学影像诊断  8.1  医学影像自动诊断  8.2  脑部医学影像的特征提取    8.2.1  灰度共生矩阵    8.2.2  脑CT图像纹理特征提取实例  8.3  脑部医学影像分类器设计    8.3.1  神经网络分类器的训练    8.3.2  脑CT图像分类器训练实例    8.3.3  分类器评估  8.4  实践拓展第9章  印刷体汉字识别  9.1  印刷体汉字的特征提取    9.1.1  汉字特征的分类    9.1.2  常用的汉字特征  9.2  印刷体汉字的分类器设计    9.2.1  统计模式识别    9.2.2  结构模式识别    9.2.3  统计模式识别与结构模式识别的结合    9.2.4  人工神经网络  9.3  印刷体汉字识别实例    9.3.1  系统设计    9.3.2  图像预处理    9.3.3  文本区域处理    9.3.4  多特征提取    9.3.5  多分类器集成  9.4  实践拓展第10章  手写体数字识别  10.1  系统概述  10.2  手写体数字图像的预处理    10.2.1  图像的二值化    10.2.2  图像反色  10.3  手写体数字的特征提取  10.4  手写体数字的识别  10.5  实践拓展第11章  运动图像分析  11.1  运动图像分析概述    11.1.1  运动的分类    11.1.2  运动图像分析内容  11.2  运动目标检测与跟踪实例    11.2.1  系统设计    11.2.2  运动目标检测    11.2.3  运动目标跟踪  11.3  实践拓展附录A  图像处理子函数代码——灰度变换附录B  图像处理子函数代码——几何变换附录C  图像处理子函数代码——空域增强附录D  图像处理子函数代码——频域增强附录E  图像处理子函数代码——形态学附录F  图像处理子函数代码——图像分割参考文献

章节摘录

插图：

编辑推荐

《Visual C++数字图像模式识别技术详解》作者都是经历一线开发的工程技术人员，他们悉心凝练、字斟句酌。系统论述了基于Visual C++的数字图像模式识别的技术、方法与实战技巧；透彻分析了众多工程实践经验与案例，以飨读者。我有计算机背景。学习过计算机图形学及Visual C++编程的基本方法与技能，为什么却不能编写数字图像模式识别的完整代码?我是计算机图像工程师。工作三年了，为什么我依然不能迅速上手。驾驭数字图像模式识别的工程项目。成为项目经理?设计和编制数字图像模式识别源程序代码的过程中。如何做到敏捷高效、事半功倍?如何娴熟地调用常见的40个数字图像处理子函数代码。如何做到信手拈来、深入浅出。他山之石，何以攻玉?涵盖内容Visual C++编程：编程思想、程序框架、构造图像处理类图像处理：图像增强、形态学运算、图像分割图像特征：统计特征、幅值特征、几何特征、形状特征、纹理特征模式内涵：模式、模式空间、特征空间、类别空间模式统计：特征提取、特征选择、模式分类、模式聚类模式决策：人工神经网络、隐马尔可夫模型、决策树、模板匹配综合实例人脸检测与特征点定位脑部医学影像诊断手写体数字识别汽车牌照识别印刷体汉字识别运动图像分析源于一线开发人员的工程实践与案例总结。

用户评论 (总计33条)

•   绪论阐述了一些模式识别的基本概念，诸如模式空间，特征空间，系统构成。
  然后说了visual c++的一些基础概念，虽然很老很基础，但是概念永远是重点
  第三章是说的图像特征，比如几何特征，形状特征，纹理特征，这些特征都是基础但是常常让我们解释不清楚的，说的很详细也很规范
  统计模式识别这一章我觉得有点简单，本身是一些抽象的概念，似乎挖掘上有点潜，现在很多好的算法已经出来，是不是以后我们能加深一点？
  第五章是放在决策方法上的，HMM，人工神经网络。模板匹配是成熟的技术了，作者还是很尽职的，从算法到代码实现，很地道
  之后就是项目了，从人脸识别，到汽车牌照识别我们很熟了，不过个人觉得，脑部医学影像诊断是否能在继续挖掘下？因为这是热点问题，最后汉字识别和数字识别也很不错，可惜本人对这方面不是研究很深
  运动跟踪是我认为最好的一章，视频方向是个趋势，也是必然，虽然meanshift和camshift算法已经好几年了但是仍然帮助好多，最后感谢作者，我会努力学习！
•   有光盘，有实例，按照书上的做两遍基本上就会了。
•   书中例子很好，讲解的也很深入，就是实例运行有点问题，经常异常退出。
•   结合项目操作 是非常好的学习资料 如果书的项目例子多点 会更好的 期待作者改编 多讲解增加项目内容
•   书本内容很好，例子代码都有，挺适合初学者~
•   老公工作用书。比书店便宜不少
•   这本书很喜欢，但有的地方写的不清楚～
•   商品非常好，速速非常快
•   帮我弟买的，据说不错
•   书买错了，对我来说太难，还是暂时先放一放吧
•   很好的一本书，描写详细，很有帮助
•   很值得参考的一本书
•   需要一定的数学基础才能看的懂
•   理论性的东西不多，全书围绕一个项目进行逐项展开，挺有用的
•   到货速度真快。昨天买的，今天上午就到了。纸张质量也不错
•   质量还好，送货速度也挺快的
•   比较基础的书本，可以作为参考
•   入门教程，不详细，当做一个了解吧。
•   一般，不怎么地
•   没讲多少内容，代码还有很多错误
•   刚拿到书，书的外壳用一层塑料纸包裹着，这点我觉得卓越做的不错。唯一的缺憾就是我认为卓越打印的发票不行，字迹模糊，看不清楚，无法向学校报销。
•   一本很一般的书，可有可无的，网上都能查到
•   我觉得把光盘里的内容搞懂了就好了
•   书还行，就是讲解的有些流于表面，深入的东西不多
•   质量好差啊，很旧，而且没光盘，里面的内容感觉和我买的isual C++数字图像模式识别典型案例详解差不多，
•   书的内容看上去感觉好像比较细致，但是里面很多的算法没写出来，比如我想做里面说的人脸识别的话单靠这本书市远远不够的。还需要更深入的算法研究才行。
•   内容很旧，还是那些老一套的说教，代码也都是老代码，总之，感觉很糟糕！！
•   书是还行，就是程序段的注释有点看不懂。
•   只给代码，没有详细注释，没有详细的算法分析，
•   商品还不错，现在正在学习中，以后可以经常过来！
•   书写的很好，还有很多源代码可以解读。
•   速度很快，质量也很好，以后常来
•   工作中正需要图像识别编程的书，这就出来了，挺好