精通Visual C++数字图像模式识别技术及工程实践 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

精通Visual C++数字图像模式识别技术及工程实践 第2版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

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10

2.3 关于分类器的错误率10

2.4 关于贝叶斯决策10

2.5 线性判别函数的基本概念11

2.6 设计线性分类器的主要步骤12

2.7 Fisher线性判别12

2.8 解决多类问题决策树14

2.8.1 决策树的基本概念14

2.8.2 决策树设计的基本考虑15

第3章 常用的模型和算法介绍16

3.1 人工神经网络的发展简史16

3.2 人工神经元17

3.2.1 神经元模型17

3.2.2 几种常用的作用函数18

3.3 人工神经网络构成20

3.3.1 基本模型20

3.3.2 前向网络20

3.4 人工神经网络的学习规则21

3.4.1 Hebb学习规则21

3.4.2 δ学习规则21

3.5 BP网络21

3.5.1 BP网络模型22

3.5.2 输入输出关系22

3.5.3 网络学习训练22

3.5.4 BP网络的设计问题23

3.5.5 BP网络的限制与不足25

3.5.6 BP算法的改进25

3.6 BP算法的C语言实现及使用方法26

3.7 用BP网络解决异或问题37

3.8 标量量化39

3.8.1 基本概念39

3.8.2 均匀量化41

3.8.3 非均匀量化41

3.9 矢量量化42

3.9.1 基本原理42

3.9.2 失真测度44

3.9.3 设计码本44

3.10 矢量量化算法的C语言实现45

3.11 HMM基本思想52

3.11.1 Markov链52

3.11.2 HMM的概念53

3.12 HMM基本算法54

3.12.1 前向后向算法55

3.12.2 Viterbi算法56

3.12.3 Baum-Welch算法57

3.13 基本HMM模型的C语言实现58

3.13.1 数据结构和函数定义58

3.13.2 一些基本工具59

3.13.3 HMM结构的操作函数67

3.13.4 前向后向算法71

3.13.5 Viterbi算法75

3.13.6 Baum-Welch算法78

3.13.7 随机数生成函数81

3.13.8 序列操作函数82

第4章 常用搜索算法85

4.1 状态空间法85

4.1.1 状态（State）85

4.1.2 问题的状态空间（State Space）85

4.2 盲目搜索算法86

4.2.1 宽度优先搜索86

4.2.2 深度优先搜索87

4.3 启发式搜索算法88

4.3.1 搜索深度、启发函数和评价函数88

4.3.2 A算法和A＊算法88

4.4 A＊算法类的实现89

4.5 8数码游戏（Eight—Puzzle）简介97

4.6 关于8数码游戏解的存在性讨论97

4.6.1 问题的表达97

4.6.2 问题的转化与证明97

4.7 算法设计98

4.8 程序实现99

4.8.1 程序创建步骤100

4.8.2 数据结构和函数定义101

4.8.3 各种算法的实现102

4.8.4 可视化的实现112

4.9 黑白棋简介120

4.9.1 黑白棋规则120

4.9.2 黑白棋基本战术121

4.10 算法设计122

4.10.1 博弈算法基础122

4.10.2 Alpha-Beta剪枝124

4.10.3 估值函数128

4.10.4 开局及终局134

4.11 程序实现134

4.11.1 程序创建步骤135

4.11.2 程序代码135

第5章 联机字符识别154

5.1 汉字识别的历史和现状154

5.2 联机字符识别原理框图155

5.2.1 统计决策方法156

5.2.2 句法结构方法157

5.3 基于笔画及笔画特征二级分类的联机汉字识别158

5.3.1 笔画的分类158

5.3.2 笔画识别前的噪声处理159

5.3.3 笔画方向码合并处理及笔画识别160

5.3.4 笔画间特征量的定义及识别160

5.3.5 整字匹配的距离准则161

5.4 基于活动模板引导的子结构的识别163

5.4.1 系统模型163

5.4.2 活动模板子结构的构造164

5.4.3 子结构引导的结构匹配165

5.5 实例之联机手写数字识别167

5.5.1 难点及特征的选取167

5.5.2 相应的预处理及模板的建立168

5.5.3 程序的实现169

5.6 实例之联机手写数字、英文字符及汉字识别182

第6章 脱机字符识别204

6.1 印刷体汉字的识别204

6.1.1 印刷体汉字的基本知识204

6.1.2 汉字的行切割和字切割204

6.1.3 文字的归一化205

6.1.4 基于统计量的特征206

6.2 基于置信度分析和多信息融合的手写数字识别方法209

6.2.1 多种特征和多种分类器210

6.2.2 集成方法211

6.2.3 预处理213

6.3 其他手写数字识别方法简介215

6.3.1 基于支持向量机（SVM）的方法215

6.3.2 伪二阶隐马尔可夫模型应用于手写数字识别215

6.3.3 基于骨架特征顺序编码的识别方法216

6.4 手写数字识别实例之模板匹配法216

6.4.1 位图的读写216

6.4.2 细化算法218

6.4.3 特征提取与识别233

6.4.4 程序实现233

6.5 手写数字识别实例之Fisher线性判别252

6.5.1 USPS数据库252

6.5.2 Fisher判别程序254

6.6 数字识别实例之神经网络法266

第7章 在线签名鉴定279

7.1 时间弯折算法279

7.1.1 时间弯折的概念279

7.1.2 时间弯折的限制280

7.1.3 时间弯折的DP方法281

7.1.4 DTW方法的扩充和变形282

7.1.5 模板的建立282

7.1.6 算法的实现282

7.2 签名分段算法291

7.3 自回归分析293

7.4 联机签名可以利用的特征299

7.5 基于特征函数法的联机签名鉴定300

7.5.1 系统框图300

7.5.2 预处理300

7.5.3 特征提取301

7.5.4 特征匹配302

7.6 在线签名鉴定系统实例302

7.6.1 签名数据的输入302

7.6.2 一些结构的定义303

7.6.3 方向分布的计算304

7.6.4 文件数据的读取309

7.6.5 预处理函数311

7.6.6 识别算法320

7.6.7 保存和打开模板323

第8章 离线签名鉴定325

8.1 离线签名鉴定的方法325

8.1.1 距离匹配变换325

8.1.2 形状特征325

8.1.3 纹理特征330

8.2 伪动态特征339

8.3 总结340

第9章 人脸的检测与定位341

9.1 人脸检测方法综述341

9.1.1 基于知识的自顶向下的方法341

9.1.2 基于人脸特征的自底向上的方法342

9.1.3 模板匹配的方法342

9.1.4 基于人脸外观的方法342

9.2 基于肤色的人脸检测算法342

9.2.1 色彩空间与色彩空间的聚类342

9.2.2 肤色模型343

9.2.3 人脸区域分割347

9.2.4 肤色模型在人脸检测的后期验证中的应用350

9.3 人脸特征的检测351

9.3.1 候选特征的提取352

9.3.2 双眼和嘴巴的定位352

9.3.3 双眼和嘴巴的轮廓提取352

9.4 人脸检测与定位实例354

9.4.1 人脸区域的检测354

9.4.2 眼睛的标定374

9.4.3 鼻子的确定382

9.4.4 嘴的确定384

9.4.5 主程序的其他一些代码387

第10章 车牌识别技术396

10.1 系统简介396

10.1.1 车牌定位技术综述397

10.1.2 车牌字符识别技术综述398

10.2 车牌图像定位与分割算法398

10.2.1 车牌图像的特点及识别难点399

10.2.2 边缘提取算法400

10.2.3 Hough变换提取直线408

10.2.4 车牌检测的要点412

10.2.5 算法流程413

10.3 车牌字符的识别414

10.3.1 二值化415

10.3.2 倾斜度的校正415

10.3.3 大小归一化416

10.3.4 匹配识别字符416

第11章 印章识别418

11.1 伪印章的制作及人工防伪技术418

11.1.1 常用伪造印章的方法及其特征418

11.1.2 真假印章印文的检验420

11.2 自动印章识别系统的设计421

11.2.1 预处理421

11.2.2 特征的提取421

11.3 算法实现422

第12章 图像的纹理分析方法426

12.1 纹理分析概念426

12.2 空间灰度层共现矩阵427

12.3 纹理能量测量429

12.4 纹理的结构分析方法和纹理梯度431

12.4.1 纹理的结构分析方法431

12.4.2 纹理梯度432

12.5 遥感图像的纹理分析432

12.5.1 云类的自动识别432

12.5.2 台风的自动识别434

12.6 细胞图像的彩色纹理分析436

12.6.1 纹理的彩色分布特征描述437

12.6.2 纹理彩色特征437

12.6.3 细胞图像处理438

12.7 Visual C＋＋应用实例438

12.7.1 灰度共现矩阵类439

12.7.2 几个响应函数446

参考文献449