數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)

定　價(jià)：￥48.00

作　者：	蔣先剛
出版社：	水利水電出版社
叢編項(xiàng)：
標(biāo)　簽：	軟件工程/開(kāi)發(fā)項(xiàng)目管理

購(gòu)買這本書(shū)可以去

ISBN：	9787508454924	出版時(shí)間：	2008-01-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	409	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)》主要介紹圖像模式識(shí)別的基礎(chǔ)理論和程序?qū)崿F(xiàn)技術(shù)，從工程應(yīng)用的角度比較全面地介紹圖像模式識(shí)別應(yīng)用軟件設(shè)計(jì)的基本方法和實(shí)用技術(shù)?！稊?shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)》分為8章，主要內(nèi)容包括：圖像模式識(shí)別的基本理論和概念、圖像模式識(shí)別中所需的各種圖像預(yù)處理技術(shù)、模板分類器的基本理論和程序設(shè)計(jì)方法、貝葉斯分類器的基本理論和程序設(shè)計(jì)方法、幾何分類器的基本理論和程序設(shè)計(jì)方法、圖像分割和特征生成的基本技術(shù)和程序設(shè)計(jì)方法、神經(jīng)網(wǎng)絡(luò)分類器的基本理論和程序設(shè)計(jì)方法、聚類分析的基本理論和程序設(shè)計(jì)方法．每章都包含多個(gè)圖像模式識(shí)別的工程應(yīng)用例程，各章之間的理論分析和程序模塊具有一定的相關(guān)性和獨(dú)立性。《數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)》系統(tǒng)介紹了基于Delphi的圖像模式識(shí)別的程序設(shè)計(jì)技術(shù)，以講解實(shí)例設(shè)計(jì)的方式介紹圖像模式識(shí)別的程序設(shè)計(jì)技巧，注重理論，突出實(shí)用。《數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)》可作為本科生、研究生和工程軟件人員的圖像模式識(shí)別算法及相關(guān)應(yīng)用課程的參考教材，書(shū)中的例子全部通過(guò)Delphi 7驗(yàn)證實(shí)現(xiàn)，隨書(shū)所附光盤(pán)提供書(shū)中介紹的所有圖像模式識(shí)別方面的軟件包的完整源程序以及編程和運(yùn)行所需的資源、素材和控件。書(shū)中的例子全部通過(guò)Delphi 7驗(yàn)證實(shí)現(xiàn)，隨書(shū)所附光盤(pán)提供書(shū)中介紹的所有圖像處理工程軟件包的完整源程序及編程和運(yùn)行所需的資源、素材和控件。

作者簡(jiǎn)介

　　蔣先剛，男，湖南永州人。華東交通大學(xué)基礎(chǔ)科學(xué)學(xué)院、交通信息工程與控制研究所教授。1982年中南大學(xué)鐵道學(xué)院機(jī)械工程與自動(dòng)化專業(yè)畢業(yè)。1985年北京航空航天大學(xué)工程圖學(xué)研究生班畢業(yè)。1997-1998年英國(guó)Strathclyde大學(xué)國(guó)家訪問(wèn)學(xué)者，2003-2004年英國(guó)Cranfield大學(xué)國(guó)家訪問(wèn)學(xué)者，已發(fā)表學(xué)術(shù)論文130篇，編著書(shū)10本。主要研究領(lǐng)域?yàn)橛?jì)算機(jī)圖形學(xué)、工業(yè)測(cè)控、機(jī)械電氣CAD／CAM／CAE。

圖書(shū)目錄

前言
第1章　圖像模式識(shí)別導(dǎo)論
1.1　圖像模式識(shí)別概述
1.2　圖像模式識(shí)別的應(yīng)用
1.3　基于圖像分析的黃豆質(zhì)量評(píng)估系統(tǒng)設(shè)計(jì)
1.3.1　圖像特征識(shí)別系統(tǒng)的基本技術(shù)要求
1.3.2　圖像特征識(shí)別統(tǒng)計(jì)系統(tǒng)的構(gòu)架及軟件實(shí)現(xiàn)技術(shù)
第2章　數(shù)字圖像預(yù)處理
2.1　圖像的灰度化
2.1.1　圖像的灰度化處理的基本原理
2.1.2　圖像的灰度化的程序?qū)崿F(xiàn)
2.2　圖像的二值化
2.2.1　圖像的二值化處理的基本原理
2.2.2　圖像的二值化處理的程序?qū)崿F(xiàn)
2.3　圖像的反色
2.3.1　圖像的反色處理的基本原理
2.3.2　圖像的反色處理的程序?qū)崿F(xiàn)
2.4　圖像的中值濾波
2.4.1　圖像的中值濾波處理的基本原理
2.4.2　圖像的中值濾波處理的程序?qū)崿F(xiàn)
2.5　圖像的高斯濾波
2.5.1　圖像的高斯濾波處理的基本原理
2.5.2　圖像的高斯濾波處理的程序?qū)崿F(xiàn)
2.6　Gabor變換
2.6.1　Gabor變換的基本原理
2.6.2　Gabor濾波器設(shè)計(jì)
2.6.3　Gabor變換的程序?qū)崿F(xiàn)
2.7　各向異性擴(kuò)散平滑濾波
2.7.1　各向異性擴(kuò)散平滑濾波的基本原理
2.7.2　各向異性擴(kuò)散平滑濾波的程序?qū)崿F(xiàn)
2.8　二值圖像的腐蝕
2.8.1　二值圖像的腐蝕的基本原理
2.8.2　二值圖像腐蝕的程序?qū)崿F(xiàn)
2.9　二值圖像的膨脹
2.9.1　二值圖像的膨脹的基本原理
2.9.2　二值圖像的膨脹的程序?qū)崿F(xiàn)
2.10　二值圖像的開(kāi)運(yùn)算
2.11　二值圖像的閉運(yùn)算
2.12　灰度圖像腐蝕
2.12.1　灰度圖像腐蝕的基本原理
2.12.2　灰度圖像腐蝕的程序?qū)崿F(xiàn)
2.13　灰度圖像膨脹
2.13.1　灰度圖像膨脹的基本原理
2.13.2　灰度圖像膨脹的程序?qū)崿F(xiàn)
2.14　灰度圖像開(kāi)運(yùn)算
2.15　灰度圖像閉運(yùn)算
2.16　灰度圖像腐蝕和膨脹的其他衍生運(yùn)算
2.17　圖像的Sobel邊緣檢測(cè)
2.17.1　圖像的Sobel邊緣檢測(cè)的原理
2.17.2　Sobel邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.18　圖像的Prewitt邊緣檢測(cè)
2.18.1　圖像的Prewiu邊緣檢測(cè)的原理
2.18.2　Prewitt邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.19　圖像的Robert邊緣檢測(cè)
2.19.1　圖像的Robert邊緣檢測(cè)的基本原理
2.19.2　Robert邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.20　Kirsch邊緣檢測(cè)
2.20.1　Kirsch邊緣檢測(cè)的基本原理
2.20.2　Kirsch邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.21　Laplace邊緣檢測(cè)
2.21.1　Laplace邊緣檢測(cè)的基本原理
2.21.2　Laplace邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.22　Gauss-Laplace邊緣檢測(cè)
2.22.1　Gauss-Laplace邊緣檢測(cè)的基本原理
2.22.2　Gauss-Laplace邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.23　Canny邊緣檢測(cè)
2.23.1　Canny邊緣檢測(cè)的基本原理
2.23.2　Canny邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.24　Marr邊緣檢測(cè)
2.24.1　Marr邊緣檢測(cè)的基本原理
2.24.2　Marr邊緣檢測(cè)的程序?qū)崿F(xiàn)
2.25　基于圖像預(yù)處理技術(shù)的細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件設(shè)計(jì)
2.25.1　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件系統(tǒng)要求
2.25.2　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件系統(tǒng)設(shè)計(jì)框架
2.25.3　細(xì)小顆粒計(jì)數(shù)系統(tǒng)的軟件模塊設(shè)計(jì)
第3章　模板分類器
3.1　模板匹配分類法
3.2　基于模板分類器的手寫(xiě)數(shù)字識(shí)別工程軟件設(shè)計(jì)
3.2.1　手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件設(shè)計(jì)要求
3.2.2　手寫(xiě)數(shù)字識(shí)別軟件系統(tǒng)的模塊構(gòu)成
3.2.3　數(shù)字圖像模板庫(kù)的建立及管理
3.2.4　數(shù)字圖像模板庫(kù)的修改和添加
3.2.5　手寫(xiě)數(shù)字圖像識(shí)別
3.2.6　手寫(xiě)數(shù)字識(shí)別軟件與其他軟件的信息交流
3.3　基于模板分類器的肝臟B超圖像自動(dòng)診斷系統(tǒng)工程軟件設(shè)計(jì)
3.3.1　肝臟B超圖像紋理分析
3.3.2　肝臟B超圖像紋理計(jì)算
3.3.3　肝臟B超圖像自動(dòng)診斷系統(tǒng)的軟件設(shè)計(jì)
3.4　基于模板分類器的軸承表面缺陷識(shí)別系統(tǒng)工程軟件設(shè)計(jì)
3.4.1　軸承表面缺陷圖像分析
3.4.2　表面缺陷圖像的一般幾何特征提取
3.4.3　表面缺陷圖像的矩特征提取
3.4.4　軸承表面缺陷識(shí)別系統(tǒng)的軟件設(shè)計(jì)
第4章　貝葉斯分類法
4.1　貝葉斯決策概述
4.1.1　貝葉斯決策的一般概念
4.1.2　貝葉斯定理
4.2　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)軟件設(shè)計(jì)
4.2.1　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件設(shè)計(jì)步驟
4.2.2　基于貝葉斯的手寫(xiě)數(shù)字識(shí)別系統(tǒng)的軟件實(shí)現(xiàn)
第5章　幾何分類器
5.1　幾何分類器的基本概念
5.2　判別函數(shù)分類器
5.2.1　判別函數(shù)的種類
5.2.2　線性判別函數(shù)
5.3　幾何分類器的設(shè)計(jì)
5.3.1　線性分類器的設(shè)計(jì)
5.3.2　LMSE分類法在手寫(xiě)數(shù)字識(shí)別中的程序設(shè)計(jì)
5.3.3　LMSE分類法在肝臟紋理分類識(shí)別中的程序設(shè)計(jì)
5.3.4　Fisher分類準(zhǔn)則
5.3.5　基于Fisher的手寫(xiě)數(shù)字分類算法的程序?qū)崿F(xiàn)
第6章　圖像分割與特征生成
6.1　圖像分割的基本概念
6.2　特征生成及特征匹配
6.2.1　顏色特征
6.2.2　形狀特征
6.2.3　紋理特征
6.2.4　空間關(guān)系特征
6.2.5　特征和分類
6.2.6　樣本特征歸一化
6.3　圖形形狀分類與計(jì)數(shù)系統(tǒng)的工程軟件設(shè)計(jì)
6.3.1　圖形形狀分類與計(jì)數(shù)系統(tǒng)的設(shè)計(jì)框架
6.3.2　圖形形狀各特征值的定義與計(jì)算
6.3.3　基于一般幾何特征值的綜合分析與統(tǒng)計(jì)
6.3.4　光柵圖像識(shí)別與矢量圖形轉(zhuǎn)換
6.4　基于鏈碼運(yùn)算的細(xì)胞分割和計(jì)數(shù)系統(tǒng)的工程軟件設(shè)計(jì)
6.4.1　醫(yī)學(xué)圖像細(xì)胞分割的各種方法與應(yīng)用
6.4.2　基于鏈碼運(yùn)算和其他技術(shù)的細(xì)胞分割技術(shù)的比較和應(yīng)用
6.4.3　基于鏈碼運(yùn)算的細(xì)胞分割和計(jì)數(shù)系統(tǒng)的軟件設(shè)計(jì)
第7章　神經(jīng)網(wǎng)絡(luò)分類器
7.1　神經(jīng)網(wǎng)絡(luò)的基本概念
7.2　神經(jīng)網(wǎng)絡(luò)的理論分析
7.2.1　神經(jīng)元模型
7.2.2　BP網(wǎng)絡(luò)的學(xué)習(xí)算法
7.2.3　BP網(wǎng)絡(luò)的設(shè)計(jì)
7.2.4　一般性BP網(wǎng)絡(luò)的不足與改進(jìn)
7.3　基于BP神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別系統(tǒng)軟件設(shè)計(jì)
7.3.1　字符特征選擇與提取的實(shí)現(xiàn)
7.3.2　基于神經(jīng)元網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別程序?qū)崿F(xiàn)
7.4　基于神經(jīng)網(wǎng)絡(luò)的肝臟B超圖像自動(dòng)診斷與識(shí)別系統(tǒng)軟件設(shè)計(jì)
7.4.1　B超圖像識(shí)別BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
7.4.2　B超圖像識(shí)別BP網(wǎng)絡(luò)的輸出編碼
7.4.3　B超圖像識(shí)別BP網(wǎng)絡(luò)的參數(shù)選擇
第8章　聚類分析
8.1　聚類分析的一般概念
8.1.1　系統(tǒng)聚類
8.1.2　分解聚類
8.1.3　動(dòng)態(tài)聚類
8.1.4　模糊聚類
8.2　基于均值聚類車牌定位和字符識(shí)別系統(tǒng)工程軟件設(shè)計(jì)
8.2.1　基于強(qiáng)制聚類中心的均值聚類技術(shù)的車牌定位技術(shù)
8.2.2　車牌字符綜合特征的選擇和識(shí)別
8.2.3　基于均值聚類的細(xì)胞統(tǒng)計(jì)系統(tǒng)工程軟件設(shè)計(jì)
參考文獻(xiàn)