
前言
作为一门实践性强的综合性边缘学科,数字图像模式识别技术研究的内容主要包括图像变换、图像增强、图像特征提取、图像识别以及运动图像分析等。本书将以实践为导向,以实用为目标来介绍这些重要的数字图像模式识别技术,在介绍数字图像模式识别技术基础理论及算法原理的同时,重点详细地介绍如何用Visual C++编程实现这些典型及常用算法,并结合实际应用,介绍作者所在实验室近年来在工程实践和课题研究中总结出来的一些经典案例,力求理论、应用与实际编程的紧密结合,使读者真正掌握用Visual C++进行图像模式识别编程的基本方法和技巧。
本书内容丰富、层次清晰、力求较强的实践性和可用性。在学习完本书之后,相信读者能够深入掌握数字图像模式识别技术的基础理论和经典算法,并能顺利进行实际项目的开发。
本书特点
本书主要有以下特点。
1.循序渐进,由浅入深
为了方便读者学习,本书全部实例程序均采用同一个应用程序界面。从基于Visual C++构建应用程序界面,到增加图像处理功能,再到最终的数字图像模式识别经典实例的实现,全书内容前后连贯,互相依托,构成一个整体。使读者高效地掌握基于Visual C++实现数字图像模式识别技术的基本方法。
2.技术全面,内容充实
本书以理论和编程实践相结合的方式介绍了数字图像模式识别技术的常用算法。按照数字图像模式识别技术的基本体系结构,全面地从数字图像模式识别技术基础知识、数字图像处理应用、数字模式识别技术实例三个层次组织内容,并有机结合了数字图像模式识别技术、软件开发方面的专业知识。
3.对比讲解,理解深刻
本书针对不是非常熟悉Visual C++编程和数字图像模式识别技术的初学者,采用图文并茂、对比讲解的方式,详细介绍算法实现的每一个步骤。希望通过这种讲解方式,帮助读者加深、加快对Visual C++数字图像模式识别技术的理解和掌握。
4.代码完整,讲解详尽
书中的每个知识点都有相应的实例代码,并对关键的代码部分进行了注释说明。每段代码的后面都有详细的分析,并给出了代码运行后的结果。读者可以参照运行结果阅读源程序,以便于加深理解。
主要内容
本书共11章,各章的主要内容如下。
第1章:本章介绍了计算机获取、显示、存储数字图像的方法。重点解释了计算机中数字图像的存储格式以及数字图像处理的核心内容。结合模式空间、特征空间和类别空间介绍了模式识别原理,以及数字图像模式识别的工作原理和系统组成。
第2章:系统地介绍了Visual C++作为应用程序编译器的编程思路、编程方法以及如何基于Visual C++ 6.0进行应用程序开发。着重讲述数字图像的特点及其在Windows中的表示方式。在此基础上,介绍了在数字图像模式识别中常用的图像处理基本算法,包括图像增强、形态学运算和图像分割。
第3章:介绍了图像特征的定义及其提取方法。包括图像的统计特征、幅值特征、几何特征、形状特征、纹理特征等基本图像特征的定义及其提取方法。通过实例展示了这几种图像特征提取方法的效果和目的。
第4章:介绍了统计模式识别的主要研究内容,即特征提取与选择、模式分类和模式聚类的研究目的和研究方法。详细介绍了分支界定和基于K-L变换等两种特征提取方法,基于贝叶斯决策、线性分类器和非线性分类等三种模式分类方法,以及模式聚类需要解决的两个问题,即衡量两个样本相似程度的方法和聚类准则。
第5章:介绍了常用的模式识别决策方法。包括人工神经网络的原理及基本实现方法、隐马尔可夫模型的概念及基本算法、决策树的基本概念及设计方法、模板匹配的概念及基于Hausdorff距离的匹配实现方法。在详细介绍这几种决策方法的同时,提供了详尽的实现代码。
第6章:人脸检测与特征点定位应用。介绍了基于Visual C++利用数字图像模式识别技术实现对人脸的自动检测与特征点定位。包括人脸相似度计算、人脸轮廓提取、人脸定位、脸内轮廓提取、眼睛定位、鼻子定位、嘴定位等内容。
第7章:汽车牌照识别应用。按照模式识别系统组成,分车牌预处理、车牌特征提取和车牌识别等三个环节介绍了汽车牌照的自动识别过程。
第8章:脑部医学影像自动诊断应用。介绍了利用灰度共生矩阵进行脑部医学图像纹理特征提取的技术方法,以及基于BP神经网络的分类器实现方法。
第9章:印刷体汉字识别应用。分别介绍了基于统计模式、结构模式和人工神经网络的分类器设计方法及其在汉字识别中的应用,并基于Visual C++利用数字图像模式识别技术实现了印刷体汉字识别。
第10章:手写体数字识别应用。介绍了利用数字图像技术对获得的手写体数字图像进行二值化和反色处理,在已经定位的数字区域上进行特征提取,以及采用模板匹配法对手写体数字进行识别。
第11章:运动图像分析应用。介绍了运动图像分析的主要研究内容及其分析方法,并设计了基于Visual C++在视频中进行动态目标检测和跟踪的应用实例。其中,目标检测采用了帧间差分法,目标跟踪采用了Mean Shift法。
读者对象
·高等院校的学生
·社会培训班的学生
·Visual C++开发人员
·数字图像处理技术研究人员
·模式识别技术研究人员
本书光盘
·各章实例程序的源代码。
·与本书内容相关,但由于篇幅所限,未写入本书的内容。
本书由冯伟兴(第1、2、3、4、6、7章)、唐墨(第2、5、9、10、11章)、贺波(第2、8章)编著。冯伟兴、唐墨共同负责全书程序代码的编程和调试。其他参与编著和资料整理的人员有贲烨、王宝玉、邹国峰、林天威、马慧、刘靖宇、李阳、阎涛、杨晓飞、宋一兵、管殿柱、付本国、赵景波、王臣业、张忠林等,在此对他们的辛勤工作表示感谢!
感谢您选择了本书,希望我们的努力对您的工作和学习有所帮助,也希望您把对本书的意见和建议告诉我们。
作者联系方式:gdz_zero@126.com
编辑联系方式:sdl@hzbook.com
作者
2010年6月