精通Visual C++數(shù)字圖像處理模式識(shí)別技術(shù)及工程實(shí)踐（第2版）

第1章　緒論　1
1.1　模式和模式識(shí)別的概念　1
1.2　模式空間、特征空間和類(lèi)型空間　2
1.3　模式識(shí)別系統(tǒng)的構(gòu)成　3
1.3.1　信息獲取　3
1.3.2　預(yù)處理　4
1.3.3　特征提取和選擇　4
1.3.4　分類(lèi)決策　4
1.4　物體的結(jié)構(gòu)表示　4
1.5　圖片識(shí)別問(wèn)題　5
第2章　模式識(shí)別中的基本決策方法　6
2.1　基于最小錯(cuò)誤率的貝葉斯決策　6
2.2　分類(lèi)器設(shè)計(jì)　9
2.2.1　多類(lèi)情況　10
2.2.2　兩類(lèi)情況　10
2.3　關(guān)于分類(lèi)器的錯(cuò)誤率　10
2.4　關(guān)于貝葉斯決策　10
2.5　線性判別函數(shù)的基本概念　11
2.6　設(shè)計(jì)線性分類(lèi)器的主要步驟　12
2.7　Fisher線性判別　12
2.8　解決多類(lèi)問(wèn)題決策樹(shù)　14
2.8.1　決策樹(shù)的基本概念　14
2.8.2　決策樹(shù)設(shè)計(jì)的基本考慮　15
第3章　常用的模型和算法介紹　16
3.1　人工神經(jīng)網(wǎng)絡(luò)的發(fā)展簡(jiǎn)史　16
3.2　人工神經(jīng)元　17
3.2.1　神經(jīng)元模型　17
3.2.2　幾種常用的作用函數(shù)　18
3.3　人工神經(jīng)網(wǎng)絡(luò)構(gòu)成　20
3.3.1　基本模型　20
3.3.2　前向網(wǎng)絡(luò)　20
3.4　人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則　21
3.4.1　Hebb學(xué)習(xí)規(guī)則　21
3.4.2　δ學(xué)習(xí)規(guī)則　21
3.5　BP網(wǎng)絡(luò)　21
3.5.1　BP網(wǎng)絡(luò)模型　22
3.5.2　輸入輸出關(guān)系　22
3.5.3　網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練　22
3.5.4　BP網(wǎng)絡(luò)的設(shè)計(jì)問(wèn)題　23
3.5.5　BP網(wǎng)絡(luò)的限制與不足　25
3.5.6　BP算法的改進(jìn)　25
3.6　BP算法的C語(yǔ)言實(shí)現(xiàn)及使用方法　26
3.7　用BP網(wǎng)絡(luò)解決異或問(wèn)題　37
3.8　標(biāo)量量化　39
3.8.1　基本概念　39
3.8.2　均勻量化　41
3.8.3　非均勻量化　41
3.9　矢量量化　42
3.9.1　基本原理　42
3.9.2　失真測(cè)度　44
3.9.3　設(shè)計(jì)碼本　44
3.10　矢量量化算法的C語(yǔ)言實(shí)現(xiàn)　45
3.11　HMM基本思想　52
3.11.1　Markov鏈　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語(yǔ)言實(shí)現(xiàn)　58
3.13.1　數(shù)據(jù)結(jié)構(gòu)和函數(shù)定義　58
3.13.2　一些基本工具　59
3.13.3　HMM結(jié)構(gòu)的操作函數(shù)　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　隨機(jī)數(shù)生成函數(shù)　81
3.13.8　序列操作函數(shù)　82
第4章　常用搜索算法　85
4.1　狀態(tài)空間法　85
4.1.1　狀態(tài)(State)　85
4.1.2　問(wèn)題的狀態(tài)空間(State Space)　85
4.2　盲目搜索算法　86
4.2.1　寬度優(yōu)先搜索　86
4.2.2　深度優(yōu)先搜索　87
4.3　啟發(fā)式搜索算法　88
4.3.1　搜索深度、啟發(fā)函數(shù)和評(píng)價(jià)函數(shù)　88
4.3.2　A算法和A*算法　88
4.4　A*算法類(lèi)的實(shí)現(xiàn)　89
4.5　8數(shù)碼游戲(Eight-Puzzle)簡(jiǎn)介　97
4.6　關(guān)于8數(shù)碼游戲解的存在性討論　97
4.6.1　問(wèn)題的表達(dá)　97
4.6.2　問(wèn)題的轉(zhuǎn)化與證明　97
4.7　算法設(shè)計(jì)　98
4.8　程序?qū)崿F(xiàn)　99
4.8.1　程序創(chuàng)建步驟　100
4.8.2　數(shù)據(jù)結(jié)構(gòu)和函數(shù)定義　101
4.8.3　各種算法的實(shí)現(xiàn)　102
4.8.4　可視化的實(shí)現(xiàn)　112
4.9　黑白棋簡(jiǎn)介　120
4.9.1　黑白棋規(guī)則　120
4.9.2　黑白棋基本戰(zhàn)術(shù)　121
4.10　算法設(shè)計(jì)　122
4.10.1　博弈算法基礎(chǔ)　122
4.10.2　Alpha-Beta剪枝　124
4.10.3　估值函數(shù)　128
4.10.4　開(kāi)局及終局　134
4.11　程序?qū)崿F(xiàn)　134
4.11.1　程序創(chuàng)建步驟　135
4.11.2　程序代碼　135
第5章　聯(lián)機(jī)字符識(shí)別　154
5.1　漢字識(shí)別的歷史和現(xiàn)狀　154
5.2　聯(lián)機(jī)字符識(shí)別原理框圖　155
5.2.1　統(tǒng)計(jì)決策方法　156
5.2.2　句法結(jié)構(gòu)方法　157
5.3　基于筆畫(huà)及筆畫(huà)特征二級(jí)分類(lèi)的聯(lián)機(jī)漢字識(shí)別　158
5.3.1　筆畫(huà)的分類(lèi)　158
5.3.2　筆畫(huà)識(shí)別前的噪聲處理　159
5.3.3　筆畫(huà)方向碼合并處理及筆畫(huà)識(shí)別　160
5.3.4　筆畫(huà)間特征量的定義及識(shí)別　160
5.3.5　整字匹配的距離準(zhǔn)則　161
5.4　基于活動(dòng)模板引導(dǎo)的子結(jié)構(gòu)的識(shí)別　163
5.4.1　系統(tǒng)模型　163
5.4.2　活動(dòng)模板子結(jié)構(gòu)的構(gòu)造　164
5.4.3　子結(jié)構(gòu)引導(dǎo)的結(jié)構(gòu)匹配　165
5.5　實(shí)例之聯(lián)機(jī)手寫(xiě)數(shù)字識(shí)別　167
5.5.1　難點(diǎn)及特征的選取　167
5.5.2　相應(yīng)的預(yù)處理及模板的建立　168
5.5.3　程序的實(shí)現(xiàn)　169
5.6　實(shí)例之聯(lián)機(jī)手寫(xiě)數(shù)字、英文字符及漢字識(shí)別　182
第6章　脫機(jī)字符識(shí)別　204
6.1　印刷體漢字的識(shí)別　204
6.1.1　印刷體漢字的基本知識(shí)　204
6.1.2　漢字的行切割和字切割　204
6.1.3　文字的歸一化　205
6.1.4　基于統(tǒng)計(jì)量的特征　206
6.2　基于置信度分析和多信息融合的手寫(xiě)數(shù)字識(shí)別方法　209
6.2.1　多種特征和多種分類(lèi)器　210
6.2.2　集成方法　211
6.2.3　預(yù)處理　213
6.3　其他手寫(xiě)數(shù)字識(shí)別方法簡(jiǎn)介　215
6.3.1　基于支持向量機(jī)(SVM)的方法　215
6.3.2　偽二階隱馬爾可夫模型應(yīng)用于手寫(xiě)數(shù)字識(shí)別　215
6.3.3　基于骨架特征順序編碼的識(shí)別方法　216
6.4　手寫(xiě)數(shù)字識(shí)別實(shí)例之模板匹配法　216
6.4.1　位圖的讀寫(xiě)　216
6.4.2　細(xì)化算法　218
6.4.3　特征提取與識(shí)別　233
6.4.4　程序?qū)崿F(xiàn)　233
6.5　手寫(xiě)數(shù)字識(shí)別實(shí)例之Fisher線性判別　252
6.5.1　USPS數(shù)據(jù)庫(kù)　252
6.5.2　Fisher判別程序　254
6.6　數(shù)字識(shí)別實(shí)例之神經(jīng)網(wǎng)絡(luò)法　266
第7章　在線簽名鑒定　279
7.1　時(shí)間彎折算法　279
7.1.1　時(shí)間彎折的概念　279
7.1.2　時(shí)間彎折的限制　280
7.1.3　時(shí)間彎折的DP方法　281
7.1.4　DTW方法的擴(kuò)充和變形　282
7.1.5　模板的建立　282
7.1.6　算法的實(shí)現(xiàn)　282
7.2　簽名分段算法　291
7.3　自回歸分析　293
7.4　聯(lián)機(jī)簽名可以利用的特征　299
7.5　基于特征函數(shù)法的聯(lián)機(jī)簽名鑒定　300
7.5.1　系統(tǒng)框圖　300
7.5.2　預(yù)處理　300
7.5.3　特征提取　301
7.5.4　特征匹配　302
7.6　在線簽名鑒定系統(tǒng)實(shí)例　302
7.6.1　簽名數(shù)據(jù)的輸入　302
7.6.2　一些結(jié)構(gòu)的定義　303
7.6.3　方向分布的計(jì)算　304
7.6.4　文件數(shù)據(jù)的讀取　309
7.6.5　預(yù)處理函數(shù)　311
7.6.6　識(shí)別算法　320
7.6.7　保存和打開(kāi)模板　323
第8章　離線簽名鑒定　325
8.1　離線簽名鑒定的方法　325
8.1.1　距離匹配變換　325
8.1.2　形狀特征　325
8.1.3　紋理特征　330
8.2　偽動(dòng)態(tài)特征　339
8.3　總結(jié)　340
第9章　人臉的檢測(cè)與定位　341
9.1　人臉檢測(cè)方法綜述　341
9.1.1　基于知識(shí)的自頂向下的方法　341
9.1.2　基于人臉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　基于人臉外觀的方法　342
9.2　基于膚色的人臉檢測(cè)算法　342
9.2.1　色彩空間與色彩空間的聚類(lèi)　342
9.2.2　膚色模型　343
9.2.3　人臉區(qū)域分割　347
9.2.4　膚色模型在人臉檢測(cè)的后期驗(yàn)證中的應(yīng)用　350
9.3　人臉特征的檢測(cè)　351
9.3.1　候選特征的提取　352
9.3.2　雙眼和嘴巴的定位　352
9.3.3　雙眼和嘴巴的輪廓提取　352
9.4　人臉檢測(cè)與定位實(shí)例　354
9.4.1　人臉區(qū)域的檢測(cè)　354
9.4.2　眼睛的標(biāo)定　374
9.4.3　鼻子的確定　382
9.4.4　嘴的確定　384
9.4.5　主程序的其他一些代碼　387
第10章　車(chē)牌識(shí)別技術(shù)　396
10.1　系統(tǒng)簡(jiǎn)介　396
10.1.1　車(chē)牌定位技術(shù)綜述　397
10.1.2　車(chē)牌字符識(shí)別技術(shù)綜述　398
10.2　車(chē)牌圖像定位與分割算法　398
10.2.1　車(chē)牌圖像的特點(diǎn)及識(shí)別難點(diǎn)　399
10.2.2　邊緣提取算法　400
10.2.3　Hough變換提取直線　408
10.2.4　車(chē)牌檢測(cè)的要點(diǎn)　412
10.2.5　算法流程　413
10.3　車(chē)牌字符的識(shí)別　414
10.3.1　二值化　415
10.3.2　傾斜度的校正　415
10.3.3　大小歸一化　416
10.3.4　匹配識(shí)別字符　416
第11章　印章識(shí)別　418
11.1　偽印章的制作及人工防偽技術(shù)　418
11.1.1　常用偽造印章的方法及其特征　418
11.1.2　真假印章印文的檢驗(yàn)　420
11.2　自動(dòng)印章識(shí)別系統(tǒng)的設(shè)計(jì)　421
11.2.1　預(yù)處理　421
11.2.2　特征的提取　421
11.3　算法實(shí)現(xiàn)　422
第12章　圖像的紋理分析方法　426
12.1　紋理分析概念　426
12.2　空間灰度層共現(xiàn)矩陣　427
12.3　紋理能量測(cè)量　429
12.4　紋理的結(jié)構(gòu)分析方法和紋理梯度　431
12.4.1　紋理的結(jié)構(gòu)分析方法　431
12.4.2　紋理梯度　432
12.5　遙感圖像的紋理分析　432
12.5.1　云類(lèi)的自動(dòng)識(shí)別　432
12.5.2　臺(tái)風(fēng)的自動(dòng)識(shí)別　434
12.6　細(xì)胞圖像的彩色紋理分析　436
12.6.1　紋理的彩色分布特征描述　436
12.6.2　紋理彩色特征　437
12.6.3　細(xì)胞圖像處理　438
12.7　Visual C++應(yīng)用實(shí)例　438
12.7.1　灰度共現(xiàn)矩陣類(lèi)　439
12.7.2　幾個(gè)響應(yīng)函數(shù)　446
參考文獻(xiàn)　449