Visual C++数字图像模式识别技术详解（附CD-ROM光盘1张）

　　前言
　　第1章 绪论
　　1.1 数字图像处理概述
　　1.1.1 数字图像获取
　　1.1.2 图像显示与存储
　　1.1.3 数字图像文件
　　1.1.4 数字图像处理
　　1.2 模式识别基本概念
　　1.2.1 模式和模式识别的概念
　　1.2.2 模式空间、特征空间和类别空间
　　1.2.3 模式识别系统的组成
　　1.2.4 数字图像模式识别
　　1.3 实践拓展
　　第2章 Visual C++数字图像处理基础
　　2.1 Visual C++编程方法
　　2.1.1 面向对象编程
　　2.1.2 MFC类
　　2.1.3 程序框架
　　2.1.4 集成开发环境
　　2.1.5 生成多文档应用程序
　　2.2 Visual C++数字图像处理
　　2.2.1 BMP图像文件
　　2.2.2 位图文件读取
　　2.2.3 图像增强
　　2.2.4 图像形态学处理
　　2.2.5 图像分割
　　2.3 实践拓展
　　第3章 图像特征
　　3.1 统计特征
　　3.2 幅值特征
　　3.3 几何特征
　　3.3.1 位置与方向
　　3.3.2 周长
　　3.3.3 面积
　　3.3.4 长轴与短轴
　　3.3.5 距离
　　3.4 形状特征
　　3.4.1 多边形描述
　　3.4.2 曲线描述
　　3.4.3 标记
　　3.4.4 矩形度
　　3.4.5 圆形度
　　3.4.6 不变矩
　　3.4.7 偏心率
　　3.5 纹理特征
　　3.5.1 纹理
　　3.5.2 纹理分析
　　3.6 实践拓展
　　第4章 统计模式识别
　　4.1 统计模式识别的研究内容
　　4.2 特征的提取与选择
　　4.2.1 特征评判标准——类别可分性判据
　　4.2.2 特征选择及分支界定法
　　4.2.3 特征提取及主分量分析
　　4.3 模式分类
　　4.3.1 最小错误率的贝叶斯决策
　　4.3.2 感知器分类器
　　4.3.3 近邻分类器
　　4.4 模式聚类
　　4.4.1 模式相似性测度和聚类准则
　　4.4.2 层次聚类法
　　4.4.3 c-均值算法
　　4.5 实践拓展
　　第5章 模式识别决策方法及实现
　　5.1 人工神经网络
　　5.1.1 神经网络基本原理
　　5.1.2 误差反向传播算法
　　5.1.3 BP网络的设计
　　5.1.4 BP算法的C语言实现
　　5.2 隐马尔可夫模型
　　5.2.1 隐马尔可夫概念
　　5.2.2 隐马尔可夫模型基本算法
　　5.2.3 隐马尔可夫模型的C语言实现
　　5.3 决策树
　　5.3.1 决策树的基本概念
　　5.3.2 决策树的设计
　　5.3.3 决策树的C语言实现
　　5.4 模板匹配
　　5.4.1 模板匹配概念
　　5.4.2 Hausdorff距离
　　5.4.3 基于改进的Hausdorff距离的模板匹配算法
　　5.4.4 模板匹配的C语言实现
　　5.5 实践拓展
　　第6章 人脸检测与特征点定位
　　6.1 人脸检测方法
　　6.1.1 基于肤色的检测方法
　　6.1.2 其他人脸检测方法
　　6.2 人脸检测实例
　　6.2.1 系统设计
　　6.2.2 肤色相似度计算
　　6.2.3 人脸轮廓提取
　　6.2.4 人脸定位
　　6.2.5 脸内轮廓提取
　　6.2.6 眼睛定位
　　6.2.7 鼻子定位
　　6.2.8 嘴部定位
　　6.3 实践拓展
　　第7章 汽车牌照识别
　　7.1 系统概述
　　7.2 车牌定位
　　7.2.1 车牌颜色识别
　　7.2.2 车牌形状识别
　　7.2.3 车牌纹理识别
　　7.2.4 车牌倾斜校正
　　7.2.5 车牌定位及提取
　　7.3 车牌字符分割
　　7.3.1 车牌二值化
　　7.3.2 去除边框
　　7.3.3 字符分割
　　7.4 车牌字符识别
　　7.4.1 字符归一化
　　7.4.2 字符细化
　　7.4.3 除噪
　　7.4.4 字符模板匹配
　　7.5 实践拓展
　　第8章 脑部医学影像诊断
　　8.1 医学影像自动诊断
　　8.2 脑部医学影像的特征提取
　　8.2.1 灰度共生矩阵
　　8.2.2 脑CT图像纹理特征提取实例
　　8.3 脑部医学影像分类器设计
　　8.3.1 神经网络分类器的训练
　　8.3.2 脑CT图像分类器训练实例
　　8.3.3 分类器评估
　　8.4 实践拓展
　　第9章 印刷体汉字识别
　　9.1 印刷体汉字的特征提取
　　9.1.1 汉字特征的分类
　　9.1.2 常用的汉字特征
　　9.2 印刷体汉字的分类器设计
　　9.2.1 统计模式识别
　　9.2.2 结构模式识别
　　9.2.3 统计模式识别与结构模式识别的结合
　　9.2.4 人工神经网络
　　9.3 印刷体汉字识别实例
　　9.3.1 系统设计
　　9.3.2 图像预处理
　　9.3.3 文本区域处理
　　9.3.4 多特征提取
　　9.3.5 多分类器集成
　　9.4 实践拓展
　　第10章 手写体数字识别
　　10.1 系统概述
　　10.2 手写体数字图像的预处理
　　10.2.1 图像的二值化
　　10.2.2 图像反色
　　10.3 手写体数字的特征提取
　　10.4 手写体数字的识别
　　10.5 实践拓展
　　第11章 运动图像分析
　　11.1 运动图像分析概述
　　11.1.1 运动的分类
　　11.1.2 运动图像分析内容
　　11.2 运动目标检测与跟踪实例
　　11.2.1 系统设计
　　11.2.2 运动目标检测
　　11.2.3 运动目标跟踪
　　11.3 实践拓展
　　附录A 图像处理子函数代码——灰度变换
　　附录B 图像处理子函数代码——几何变换
　　附录C 图像处理子函数代码——空域增强
　　附录D 图像处理子函数代码——频域增强
　　附录E 图像处理子函数代码——形态学
　　附录F 图像处理子函数代码——图像分割
　　参考文献

　　《Visual C++数字图像模式识别技术详解》内容包括11章：绪论、Visual c++数字图像处理基础、图像特征、统计模式识别、模式识别决策方法及实现，以及人脸检测与特征点定位、汽车牌照识别、脑部医学影像诊断、印刷体汉字识别、手写体数字识别、运动图像分析共6个数字图像模式识别应用实例。系统地介绍了数字图像模式识别技术的基本概念和理论、基本方法和算法，并将图像模式识别的基础理论与Visual C++软件实践相结合。
　　《Visual C++数字图像模式识别技术详解》条理清晰、系统全面、由浅入深、实例引导、贴近实用。全书基于数字图像模式识别技术的基本流程，结合实例详细讲解相关基本概念、理论以及几种典型实践和应用，内容翔实、实践性强，其特色在于重点强调了怎样通过开发新代码来增强这些软件工具。另外，《Visual C++数字图像模式识别技术详解》还配有完整的实例代码光盘，便于学习。
　　《Visual C++数字图像模式识别技术详解》可作为普通高等院校计算机、自动化等相关专业数字图像模式识别技术方面的本科生教材，也可作为相关工程技术人员的学习参考用书。