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

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 分類決策 
1.4 物體的結(jié)構(gòu)表示 
1.5 圖片識(shí)別問題 
1.6 關(guān)于本書的內(nèi)容安排和程序 
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 分類器設(shè)計(jì) 
2.2.1 多類情況 
2.2.2 兩類情況 
2.3 關(guān)于分類器的錯(cuò)誤率 
2.4 關(guān)于貝葉斯決策一些討論 
2.5 線性判別函數(shù)的基本概念 
2.6 設(shè)計(jì)線性分類器的主要步驟 
2.7 Fisher線性判別 
2.8 解決多類問題決策樹 
2.8.1 決策樹的基本概念 
2.8.2 決策樹設(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神經(jīng)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*算法類的實(shí)現(xiàn)
4.5 8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 問題的表達(dá)
4.6.2 問題的轉(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 基于筆劃及筆劃特征二級(jí)分類的聯(lián)機(jī)漢字識(shí)別 
5.3.1 筆劃的分類 
5.3.2 筆劃識(shí)別前的噪聲處理 
5.3.3 筆劃方向碼合并處理及筆劃識(shí)別 
5.3.4 筆劃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數(shù)字識(shí)別方法
6.2.1 多種特征和多種分類器
6.2.2 集成方法
6.2.3 預(yù)處理
6.3 其他手寫數(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 手寫數(shù)字識(shí)別實(shí)例之模板匹配法 
6.4.1 位圖的讀寫 
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)簽名可資利用的特征
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 保存和打開模板 
第8章 離線簽名鑒定 
8.1 離線簽名鑒定的一些基于統(tǒng)計(jì)特征的方法 
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 
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 車牌識(shí)別技術(shù)
10.1 系統(tǒng)簡(jiǎn)介
10.1.1 車牌定位技術(shù)綜述 
10.1.2 車牌字符識(shí)別技術(shù)綜述 
10.2 車牌圖像定位與分割算法 
10.2.1 車牌圖像的特點(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 車牌檢測(cè)的要點(diǎn)
10.2.5 算法流程
10.3 車牌字符的識(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)分析方法和紋理剃度 
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 VC應(yīng)用實(shí)例
12.7.1 灰度共現(xiàn)矩陣類
12.7.2 幾個(gè)響應(yīng)函數(shù)
參考文獻(xiàn)