Visual C++數(shù)字圖像模式識別典型案例詳解

內(nèi)容概要

　　《Visual
C++數(shù)字圖像模式識別典型案例詳解》詳解了數(shù)字圖像模式識別中部分典型案例，全書共分3篇14章，第一篇分2章介紹了數(shù)字圖像模式識別基礎(chǔ)知識及其經(jīng)典實(shí)現(xiàn)方法；第二篇分10章從不同角度介紹了多個典型的數(shù)字圖像模式識別案例；第三篇則系統(tǒng)全面地介紹了2個數(shù)字圖像模式識別案例的詳細(xì)設(shè)計(jì)思路及其實(shí)現(xiàn)過程。
　　《Visual
C++數(shù)字圖像模式識別典型案例詳解》打破了傳統(tǒng)程序類書籍的講解方法，將編程思路和編程過程與所附代碼有機(jī)結(jié)合在一起，分層次分模塊地予以講解。同時(shí)，以圖解的方式講解程序的運(yùn)行過程和結(jié)果，并配有適當(dāng)?shù)奈淖终f明，從而使讀者迅速理解所講述的內(nèi)容。
　　《Visual
C++數(shù)字圖像模式識別典型案例詳解》內(nèi)容翔實(shí)、結(jié)構(gòu)清晰、圖解清楚、講解透徹、案例豐富實(shí)用，能夠使讀者快速、全面地掌握數(shù)字圖像模式識別的各種應(yīng)用技術(shù)。它既可作為高等院校的數(shù)字圖像模式識別相關(guān)學(xué)科的教材，也可作為工程技術(shù)人員及讀者自學(xué)的參考書。

書籍目錄

前言
第一篇 基礎(chǔ)篇
第1章 數(shù)字圖像模式識別
1.1 數(shù)字圖像處理概述
1.1.1 數(shù)字圖像獲取
1.1.2 圖像顯示與存儲
1.1.3 數(shù)字圖像文件
1.1.4 數(shù)字圖像處理
1.2 模式識別基本概念
1.2.1 模式和模式識別的概念
1.2.2 模式空間、特征空間和類別空間
1.2.3 模式識別系統(tǒng)的組成
1.2.4 數(shù)字圖像模式識別的基本過程
1.3 VisualC++數(shù)字圖像處理類
1.3.1 VisualC++編程方法
1.3.2 VisualC++數(shù)字圖像處理類
第2章 模式識別實(shí)現(xiàn)方法
2.1 統(tǒng)計(jì)模式識別
2.1.1 特征的提取與選擇
2.1.2 模式分類
2.1.3 模式聚類
2.2 經(jīng)典模式識別決策方法及實(shí)現(xiàn)
2.2.1 人工神經(jīng)網(wǎng)絡(luò)
2.2.2 隱馬爾可夫模型
2.2.3 決策樹
2.2.4 模板匹配
2.2.5 支持向量機(jī)
第二篇 案例篇
第3章 一維條形碼識別系統(tǒng)
3.1 系統(tǒng)介紹
3.2 核心技術(shù)原理
3.2.1 常用的條形碼編碼規(guī)則
3.2.2 預(yù)處理過程——二值化
3.2.3 譯碼過程——平均值法
3.3 系統(tǒng)結(jié)構(gòu)與流程
3.3.1 系統(tǒng)總體結(jié)構(gòu)
3.3.2 二值化算法流程
3.3.3 平均值法算法流程
3.4 編程實(shí)現(xiàn)
3.4.1 二值化算法
3.4.2 平均值法
3.5 運(yùn)行效果
第4章 基于模糊聚類的圖形識別系統(tǒng)
4.1 系統(tǒng)介紹
4.2 核心技術(shù)原理
4.2.1 圖像的標(biāo)識及特征提取
4.2.2 模式相似性測量
4.2.3 模糊理論基本概念
4.2.4 模糊聚類分析
4.3 系統(tǒng)結(jié)構(gòu)與流程
4.3.1 系統(tǒng)總體結(jié)構(gòu)
4.3.2 圖像標(biāo)識及特征提取算法流程
4.3.3 計(jì)算模糊距離算法流程
4.3.4 模糊聚類算法流程
4.4 編程實(shí)現(xiàn)
4.4.1 圖像的標(biāo)識及特征提取
4.4.2 計(jì)算模糊距離
4.4.3 模糊聚類
4.5 運(yùn)行效果
第5章 人臉檢測系統(tǒng)
5.1 系統(tǒng)介紹
5.2 核心技術(shù)原理
5.2.1 彩色圖像空間
5.2.2 人臉膚色相似度計(jì)算
5.2.3 人臉識別與分割
5.3 系統(tǒng)結(jié)構(gòu)與流程
5.3.1 系統(tǒng)總體結(jié)構(gòu)
5.3.2 人臉膚色相似度算法流程
5.3.3 人臉識別與分割算法流程
5.4 編程實(shí)現(xiàn)
5.4.1 人臉膚色相似度比較
5.4.2 人臉識別與分割
5.5 運(yùn)行效果
第6章 人臉定位系統(tǒng)
6.1 系統(tǒng)介紹
6.2 核心技術(shù)原理
6.2.1 人臉輪廓提取
6.2.2 眼睛識別與定位
6.2.3 鼻子識別與定位
6.2.4 嘴部識別與定位
6.3 系統(tǒng)結(jié)構(gòu)與流程
6.3.1 系統(tǒng)總體結(jié)構(gòu)
6.3.2 人臉定位
6.3.3 人臉內(nèi)輪廓提取
6.3.4 眼睛定位
6.3.5 鼻子定位
6.3.6 嘴部定位
6.4 編程實(shí)現(xiàn)
6.4.1 人臉位置定位
6.4.2 人臉內(nèi)輪廓提取
6.4.3 眼睛定位
6.4.4 鼻子定位
6.4.5 嘴部定位
6.5 運(yùn)行效果
第7章 灰度車牌定位系統(tǒng)
7.1 系統(tǒng)介紹
7.2 核心技術(shù)原理
7.2.1 車牌圖像預(yù)處理
7.2.2 車牌定位
7.3 系統(tǒng)結(jié)構(gòu)與流程
7.3.1 系統(tǒng)總體結(jié)構(gòu)
7.3.2 圖像灰度化算法流程
7.3.3 直方圖均衡化算法流程
7.3.4 圖像平滑算法流程
7.3.5 圖像二值化算法流程
7.3.6 圖像小顆粒去噪算法流程
7.3.7 車牌定位算法流程
7.4 編程實(shí)現(xiàn)
7.4.1 圖像預(yù)處理
7.4.2 車牌定位
7.5 運(yùn)行效果
第8章 腦部CT圖像輔助診斷系統(tǒng)
8.1 系統(tǒng)介紹
8.2 核心技術(shù)原理
8.2.1 腦部CT圖像特點(diǎn)分析
8.2.2 腦部CT圖像預(yù)處理——分段線性拉伸
8.2.3 醫(yī)學(xué)CT圖像特征提取
8.2.4 腦部CT圖像分類與輔助診斷
8.3 系統(tǒng)結(jié)構(gòu)與流程
8.3.1 系統(tǒng)總體結(jié)構(gòu)
8.3.2 分段線性拉伸算法流程
8.3.3 灰度共生矩陣算法流程
8.3.4 BP神經(jīng)網(wǎng)絡(luò)算法流程
8.4 編程實(shí)現(xiàn)
8.4.1 分段線性拉伸
8.4.2 特征提取
8.4.3 分類器訓(xùn)練
8.5 運(yùn)行效果
8.5.1 系統(tǒng)操作步驟
8.5.2 實(shí)驗(yàn)結(jié)果及分析
第9章 手寫體數(shù)字識別系統(tǒng)
9.1 系統(tǒng)介紹
9.2 核心技術(shù)原理
9.2.1 手寫體數(shù)字圖像校正
9.2.2 手寫體數(shù)字網(wǎng)格特征
9.2.3 手寫體數(shù)字識別
9.3 系統(tǒng)結(jié)構(gòu)與流程
9.3.1 系統(tǒng)總體結(jié)構(gòu)
9.3.2 手寫體數(shù)字圖像校正
9.3.3 手寫體數(shù)字網(wǎng)格特征
9.3.4 手寫體數(shù)字識別
9.4 編程實(shí)現(xiàn)
9.4.1 手寫體數(shù)字圖像校正
9.4.2 手寫體數(shù)字網(wǎng)格特征
9.4.3 手寫體數(shù)字識別
9.5 運(yùn)行效果
第10章 指紋識別的預(yù)處理
10.1 系統(tǒng)介紹
10.2 核心技術(shù)原理
10.2.1 指紋圖像場及其計(jì)算
10.2.2 指紋圖像的分割
10.2.3 指紋圖像的均衡
10.2.4 指紋圖像的收斂
10.2.5 指紋圖像的平滑
10.2.6 指紋圖像的智能增強(qiáng)
10.2.7 指紋圖像骨架的提取準(zhǔn)備
10.2.8 指紋圖像骨架的細(xì)化提取
10.3 系統(tǒng)結(jié)構(gòu)與流程
10.3.1 系統(tǒng)總體結(jié)構(gòu)
10.3.2 指紋圖像方向場計(jì)算算法流程
10.3.3 指紋圖像的分割算法流程
10.3.4 指紋圖像的均衡算法流程
10.3.5 指紋圖像的收斂算法流程
10.3.6 指紋圖像的平滑算法流程
10.3.7 指紋圖像的智能增強(qiáng)算法流程
10.3.8 指紋圖像的骨架提取準(zhǔn)備算法流程
10.3.9 指紋圖像的骨架細(xì)化算法流程
10.4 編程實(shí)現(xiàn)
10.4.1 指紋圖像方向場計(jì)算
10.4.2 指紋圖像的分割
10.4.3 指紋圖像的均衡
10.4.4 指紋圖像的收斂
10.4.5 指紋圖像的平滑
10.4.6 指紋圖像的智能增強(qiáng)
10.4.7 指紋圖像的智能二值化
10.4.8 指紋圖像的骨架細(xì)化
10.5 運(yùn)行效果
第11章 指紋圖像特征提取系統(tǒng)
11.1 系統(tǒng)介紹
11.2 核心技術(shù)原理
11.2.1 指紋特征定義及分類
11.2.2 指紋特征點(diǎn)的提取
11.2.3 指紋偽特征點(diǎn)及其去除方法
11.3 系統(tǒng)結(jié)構(gòu)與流程
11.3.1 系統(tǒng)總體結(jié)構(gòu)
11.3.2 指紋特征端點(diǎn)、叉點(diǎn)的提取算法流程
11.3.3 指紋特征奇異點(diǎn)提取算法流程
11.3.4 去除偽指紋特征點(diǎn)算法流程
11.4 編程實(shí)現(xiàn)
11.4.1 指紋圖像端點(diǎn)提取
11.4.2 指紋圖像叉點(diǎn)提取
11.4.3 指紋圖像奇異點(diǎn)提取
11.4.4 指紋圖像偽特征點(diǎn)去除
11.5 運(yùn)行效果
第12章 指紋圖像比對系統(tǒng)
12.1 系統(tǒng)介紹
12.2 核心技術(shù)原理
12.2.1 指紋圖像“柔性”配準(zhǔn)
12.2.2 指紋圖像匹配
12.3 系統(tǒng)結(jié)構(gòu)與流程
12.3.1 系統(tǒng)總體結(jié)構(gòu)
12.3.2 指紋圖像配準(zhǔn)算法流程
12.3.3 指紋圖像匹配算法流程
12.3.4 指紋圖像比對算法流程
12.4 編程實(shí)現(xiàn)
12.4.1 指紋圖像匹配
12.4.2 指紋圖像全局比對
12.5 運(yùn)行效果
第三篇 拓展篇
第13章 彩色汽車牌照識別系統(tǒng)
13.1 系統(tǒng)概述
13.1.1 汽車牌照定位
13.1.2 汽車牌照字符分割
13.1.3 汽車牌照字符識別
13.2 系統(tǒng)結(jié)構(gòu)與流程
13.3 汽車牌照定位
13.3.1 汽車牌照特征
13.3.2 汽車牌照區(qū)域識別思路
13.3.3 汽車牌照區(qū)域粗定位
13.3.4 汽車牌照區(qū)域精定位
13.3.5 汽車牌照傾斜校正
13.3.6 汽車牌照提取
13.4 汽車牌照分割
13.4.1 汽車牌照二值化
13.4.2 去除邊框
13.4.3 字符分割
13.5 汽車牌照字符識別
13.5.1 字符圖像預(yù)處理
13.5.2 字符模板匹配
第14章 中文印刷體文檔識別系統(tǒng)
14.1 系統(tǒng)概述
14.1.1 中文印刷體文檔識別研究現(xiàn)狀
14.1.2 中文印刷體文檔識別結(jié)構(gòu)與流程
14.1.3 中文印刷體文檔識別中的難點(diǎn)
14.2 中文印刷體文檔圖像預(yù)處理
14.2.1 中文印刷體文檔圖像特點(diǎn)
14.2.2 二值化處理
14.2.3 平滑去噪
14.2.4 傾斜校正
14.3 版面分析
14.3.1 版面結(jié)構(gòu)
14.3.2 版面分析方法
14.3.3 版面理解
14.3.4 版面重構(gòu)
14.4 印刷體漢字識別
14.4.1 文本區(qū)域預(yù)處理
14.4.2 印刷體漢字的特征提取
14.4.3 印刷體漢字的識別
14.5 公式的定位與提取
14.5.1 印刷體文檔公式的特點(diǎn)
14.5.2 基于投影的公式定位和提取
14.5.3 基于Parzen窗的獨(dú)立行公式定位和提取
14.5.4 基于字符寬度中心矩的公式定位和提取
14.5.5 基于漢字拒識的內(nèi)嵌公式定位和提取
14.6 公式字符分割與識別
14.6.1 公式字符的特點(diǎn)
14.6.2 公式字符的分割
14.6.3 公式字符的識別
14.7 公式結(jié)構(gòu)分析與表示
14.7.1 公式結(jié)構(gòu)分析的難點(diǎn)
14.7.2 公式結(jié)構(gòu)分析前的字符預(yù)處理
14.7.3 公式結(jié)構(gòu)分析方法
14.7.4 公式結(jié)構(gòu)表示方法
14.8 圖表處理
14.8.1 文檔中圖形圖像的表示與處理
14.8.2 文檔中表格的分析與識別
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   “檢查和”字元：當(dāng)信息數(shù)據(jù)傳到解碼器后，接著就得到“檢查和”信號。一般“檢查和”字元位于數(shù)據(jù)信息碼之后，終止符號碼之前。系統(tǒng)檢查解碼后的結(jié)果是否正確，如果正確，即可輸入系統(tǒng)中存儲并計(jì)算。如果不正確，則輸出警告信號給操作員，提示重新輸入。 2.條形碼的種類 條形碼按碼制分類可分為以下幾種： UPC碼。UPC碼是一種長度固定的連續(xù)型數(shù)字式碼制，其字符集為數(shù)字0～9。它采用4種元素寬度，每個條或空是1、2、3或4倍單位元素寬度。 EAN碼。EAN碼又稱通用商品條形碼，由國際物品編碼協(xié)會制定，通用于世界各地，是目前國際上使用最廣泛的一種商品條形碼。EAN碼與UPC碼兼容，而且兩者具有相同的符號體系。EAN碼的字符編號結(jié)構(gòu)與UPC碼相同，也是長度固定的、連續(xù)型的數(shù)字式碼制，其字符集是數(shù)字0～9。它采用4種元素寬度，每個條或空是1、2、3或4倍單位元素寬度。EAN碼有2種類型，即EAN—13碼和EAN—8碼。 交叉25碼。交叉25碼是一種長度可變的連續(xù)型自校驗(yàn)數(shù)字式碼制，其字符集為數(shù)字O～9。它采用2種元素寬度，每個條和空是寬或窄元素。編碼字符個數(shù)為偶數(shù)，所有奇數(shù)位置上的數(shù)據(jù)以條編碼，偶數(shù)位置上的數(shù)據(jù)以空編碼。如果為奇數(shù)個數(shù)據(jù)編碼，則在數(shù)據(jù)前補(bǔ)一位0，以使數(shù)據(jù)為偶數(shù)個位數(shù)。 39碼。39碼是第一個字母數(shù)字式碼制。它是長度可比的離散型自校驗(yàn)字母數(shù)字式碼制。其字符集為數(shù)字0～9、26個大寫字母和8個特殊字符（+、—、.、Space（空格符）、*、／、％、＄），共44組編碼。每個字符由9個元素組成，其中有5個條（2個寬條，3個窄條）和4個空（1個寬空，3個窄空）。它是一種離散碼。 庫德巴碼。庫德巴碼是一種長度可變的連續(xù)型自校驗(yàn)數(shù)字式碼制。其字符集為數(shù)字0～9和6個特殊字符（—、：、／、.、+、￥），共16個字符。常用于倉庫、血庫和航空快遞包裹中。 128碼。128碼是一種長度可變的連續(xù)型自校驗(yàn)數(shù)字式碼制。它采用4種元素寬度，每個字符有3個條和3個空，共11個單元元素寬度，又稱（113）碼。它有106個不同條形碼字符，每個條形碼字符有3種含義不同的字符集，分別為A、B、C。它使用這3個交替的字符集對128個ASCⅡ碼進(jìn)行編碼。 93碼。93碼是一種長度可變的連續(xù)型字母數(shù)字式碼制。其字符集由數(shù)字0～9、26個大寫字母、7個特殊字符（—、.、Space（空格符）、，、+、％、￥）以及4個控制字符組成。 49碼。49碼是一種多行的連續(xù)型、長度可變的字母數(shù)字式碼制。采用多種元素寬度。其字符集為數(shù)字O～9、26個大寫字母、7個特殊字符（—、.、Space（空格符）、／、+、％、￥）、3個功能鍵和3個變換字符，共49個字符。 其他碼制。除上述碼外，還有其他的碼制，如25碼和Nixdorf碼等。 按維數(shù)分類，條形碼有以下幾種： 普通的一維條形碼。普通的一維條形碼自問世以來，很快得到了廣泛的應(yīng)用。但由于一維條形碼的信息容量很小，如商品上的條形碼僅能容13位的阿拉伯?dāng)?shù)字，更多的描述商品的信息只能依賴數(shù)據(jù)庫的支持，這種條形碼的應(yīng)用范圍因而受到一定的限制。 二維條形碼。除具有普通條形碼的優(yōu)點(diǎn)外，二維條形碼還具有信息容量大、可靠性高、保密防偽性強(qiáng)、易于制作、成本低等優(yōu)點(diǎn)。美國Symbol公司于1991年正式推出名為PDF417的二維條形碼，即“便攜式數(shù)據(jù)文件”。PDF4.17條形碼是一種高密度、高信息含量的便攜式數(shù)據(jù)文件，是實(shí)現(xiàn)證件及卡片等大容量、高可靠性信息自動存儲、攜帶并可用機(jī)器自動識讀的理想手段。 多維條形碼。進(jìn)入20世紀(jì)80年代以來，人們圍繞如何提高條形碼符號的信息密度，進(jìn)行了大量的研究工作。多維條形碼和集裝箱條形碼成為研究和應(yīng)用的方向。128碼和93碼就是人們?yōu)樘岣咝畔⒚芏榷M(jìn)行的成功的嘗試。

編輯推薦

《Visual C++數(shù)字圖像模式識別典型案例詳解》內(nèi)容翔實(shí)、結(jié)構(gòu)清晰、圖解清楚、講解透徹、案例豐富實(shí)用，能夠使讀者快速、全面地掌握數(shù)字圖像模式識別的各種應(yīng)用技術(shù)。它既可作為高等院校的數(shù)字圖像模式識別相關(guān)學(xué)科的教材，也可作為工程技術(shù)人員及讀者自學(xué)的參考書。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    Visual C++數(shù)字圖像模式識別典型案例詳解 PDF格式下載

---