前言
第1章 緒論 1
1.1 數字圖像處理概述 1
1.1.1 數字圖像獲取 1
1.1.2 圖像顯示與存儲 1
1.1.3 數字圖像文件 2
1.1.4 數字圖像處理 4
1.2 模式識彆基本概念 5
1.2.1 模式和模式識彆的概念 5
1.2.2 模式空間、特徵空間和類彆空間 5
1.2.3 模式識彆係統的組成 5
1.2.4 數字圖像模式識彆 7
1.3 實踐拓展 7
第2章 Visual C++數字圖像處理基礎 9
2.1 Visual C++編程方法 9
2.1.1 麵嚮對象編程 9
2.1.2 MFC類 12
2.1.3 程序框架 14
2.1.4 集成開發環境 16
2.1.5 生成多文檔應用程序 19
.2.2 Visual C++數字圖像處理 23
2.2.1 BMP圖像文件 23
2.2.2 位圖文件讀取 25
2.2.3 圖像增強 33
2.2.4 圖像形態學處理 43
2.2.5 圖像分割 48
2.3 實踐拓展 51
第3章 圖像特徵 53
3.1 統計特徵 53
3.2 幅值特徵 55
3.3 幾何特徵 56
3.3.1 位置與方嚮 56
3.3.2 周長 57
3.3.3 麵積 57
3.3.4 長軸與短軸 58
3.3.5 距離 58
3.4 形狀特徵 59
3.4.1 多邊形描述 59
3.4.2 麯綫描述 59
3.4.3 標記 60
3.4.4 矩形度 60
3.4.5 圓形度 60
3.4.6 不變矩 61
3.4.7 偏心率 62
3.5 紋理特徵 62
3.5.1 紋理 63
3.5.2 紋理分析 63
3.6 實踐拓展 64
第4章 統計模式識彆 65
4.1 統計模式識彆的研究內容 65
4.2 特徵的提取與選擇 66
4.2.1 特徵評判標準—類彆可分性判據 66
4.2.2 特徵選擇及分支界定法 67
4.2.3 特徵提取及主分量分析 68
4.3 模式分類 71
4.3.1 最小錯誤率的貝葉斯決策 71
4.3.2 感知器分類器 73
4.3.3 近鄰分類器 74
4.4 模式聚類 75
4.4.1 模式相似性測度和聚類準則 76
4.4.2 層次聚類法 77
4.4.3 c-均值算法 77
4.5 實踐拓展 79
第5章 模式識彆決策方法及實現 80
5.1 人工神經網絡 80
5.1.1 神經網絡基本原理 80
5.1.2 誤差反嚮傳播算法 83
5.1.3 BP網絡的設計 85
5.1.4 BP算法的C語言實現 86
5.2 隱馬爾可夫模型 89
5.2.1 隱馬爾可夫概念 89
5.2.2 隱馬爾可夫模型基本算法 90
5.2.3 隱馬爾可夫模型的C語言
實現 94
5.3 決策樹 104
5.3.1 決策樹的基本概念 104
5.3.2 決策樹的設計 106
5.3.3 決策樹的C語言實現 107
5.4 模闆匹配 112
5.4.1 模闆匹配概念 113
5.4.2 Hausdorff距離 113
5.4.3 基於改進的Hausdorff距離的模闆匹配算法 113
5.4.4 模闆匹配的C語言實現 114
5.5 實踐拓展 115
第6章 人臉檢測與特徵點定位 117
6.1 人臉檢測方法 117
6.1.1 基於膚色的檢測方法 117
6.1.2 其他人臉檢測方法 119
6.2 人臉檢測實例 120
6.2.1 係統設計 120
6.2.2 膚色相似度計算 122
6.2.3 人臉輪廓提取 125
6.2.4 人臉定位 127
6.2.5 臉內輪廓提取 131
6.2.6 眼睛定位 134
6.2.7 鼻子定位 142
6.2.8 嘴部定位 145
6.3 實踐拓展 148
第7章 汽車牌照識彆 151
7.1 係統概述 151
7.2 車牌定位 152
7.2.1 車牌顔色識彆 153
7.2.2 車牌形狀識彆 159
7.2.3 車牌紋理識彆 165
7.2.4 車牌傾斜校正 165
7.2.5 車牌定位及提取 166
7.3 車牌字符分割 172
7.3.1 車牌二值化 172
7.3.2 去除邊框 178
7.3.3 字符分割 178
7.4 車牌字符識彆 178
7.4.1 字符歸一化 179
7.4.2 字符細化 179
7.4.3 除噪 180
7.4.4 字符模闆匹配 180
7.5 實踐拓展 184
第8章 腦部醫學影像診斷 185
8.1 醫學影像自動診斷 185
8.2 腦部醫學影像的特徵提取 187
8.2.1 灰度共生矩陣 187
8.2.2 腦CT圖像紋理特徵提取實例 188
8.3 腦部醫學影像分類器設計 195
8.3.1 神經網絡分類器的訓練 195
8.3.2 腦CT圖像分類器訓練實例 196
8.3.3 分類器評估 201
8.4 實踐拓展 201
第9章 印刷體漢字識彆 203
9.1 印刷體漢字的特徵提取 203
9.1.1 漢字特徵的分類 203
9.1.2 常用的漢字特徵 204
9.2 印刷體漢字的分類器設計 205
9.2.1 統計模式識彆 205
9.2.2 結構模式識彆 206
9.2.3 統計模式識彆與結構模式識彆的結閤 207
9.2.4 人工神經網絡 207
9.3 印刷體漢字識彆實例 207
9.3.1 係統設計 207
9.3.2 圖像預處理 210
9.3.3 文本區域處理 212
9.3.4 多特徵提取 220
9.3.5 多分類器集成 221
9.4 實踐拓展 237
第10章 手寫體數字識彆 239
10.1 係統概述 239
10.2 手寫體數字圖像的預處理 241
10.2.1 圖像的二值化 241
10.2.2 圖像反色 242
10.3 手寫體數字的特徵提取 244
10.4 手寫體數字的識彆 251
10.5 實踐拓展 255
第11章 運動圖像分析 257
11.1 運動圖像分析概述 257
11.1.1 運動的分類 257
11.1.2 運動圖像分析內容 258
11.2 運動目標檢測與跟蹤實例 258
11.2.1 係統設計 258
11.2.2 運動目標檢測 264
11.2.3 運動目標跟蹤 268
11.3 實踐拓展 273
附錄A　圖像處理子函數代碼—灰度變換 276
附錄B　圖像處理子函數代碼—幾何變換 282
附錄C　圖像處理子函數代碼—空域增強 290
附錄D　圖像處理子函數代碼—頻域增強 298
附錄E　圖像處理子函數代碼—形態學 310
附錄F　圖像處理子函數代碼—圖像分割 317
參考文獻 331
· · · · · · (收起)