图像模式识别 VC++技术实现2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

图像模式识别 VC++技术实现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第1章 模式识别的基本概念1

1.1 模式识别的基本概念1

1.2 图像识别5

1.3 位图基础7

1.3.1 数字图像的基本概念7

1.3.2 BMP文件结构9

1.3.3 CDib类库的建立11

小结18

习题18

第2章 分类器设计19

2.1 特征空间优化设计问题19

2.2 分类器设计准则21

2.3 分类器设计基本方法24

2.4 判别函数25

2.5 分类器的选择27

2.6 训练与学习28

小结29

习题29

第3章 模板匹配分类器30

3.1 特征类设计30

3.2 待测样品特征提取35

3.3 训练集特征库的建立37

3.4 模板匹配分类法39

小结42

习题42

4.1.1 Bayes决策所讨论的问题43

4.1 Bayes决策的基本概念43

第4章 基于概率统计的Bayes分类器43

4.1.2 Bayes公式44

4.2 基于最小错误率的Bayes决策46

4.3 基于最小风险的Bayes决策49

4.4 Bayes决策比较51

4.5 基于二值数据的Bayes分类实现52

4.6 基于最小错误率的Bayes分类实现55

4.7 基于最小风险的Bayes分类实现59

小结64

习题64

第5章 几何分类器65

5.1 几何分类器的基本概念65

5.2 线性判别函数66

5.4 感知器算法70

5.3 线性判别函数的实现70

5.5 增量校正算法78

5.6 LMSE验证可分性85

5.7 LMSE分类算法91

5.8 Fisher分类95

5.9 线性分类器实现分类的局限性101

5.10 非线性判别函数103

5.11 分段线性判别函数105

5.12 势函数法108

小结114

习题114

第6章 神经网络分类器115

6.1 人工神经网络的基本原理115

6.1.1 人工神经元115

6.1.3 神经网络的学习过程118

6.1.2 人工神经网络模型118

6.1.4 人工神经网络在模式识别问题上的优势119

6.2 BP网络设计120

6.2.1 三层BP网络学习算法121

6.2.2 BP网络设计需要考虑的问题123

6.3 神经网络分类器设计125

小结134

习题134

第7章 图像分割与特征提取135

7.1 聚类简介135

7.2 图像阈值分割138

7.2.1 直方图门限选择阈值139

7.2.2 半阈值选择分割141

7.3 图像的标识及特征提取143

7.4 图像的轮廓提取151

7.5 图像的测量156

7.5.1 二值图像的区域面积测量156

7.5.2 二值图像的周长测量157

小结158

习题158

第8章 聚类分析159

8.1 聚类的设计159

8.2 模式相似性测量161

8.3 基于试探的未知类别聚类算法167

8.3.1 最临近规则的试探法167

8.3.2 最大最小距离算法172

8.4 层次聚类算法175

8.4.1 最短距离法176

8.4.2 最长距离法180

8.4.3 中间距离法184

8.4.4 重心法189

8.4.5 类平均距离法193

8.5 动态聚类算法201

8.5.1 K均值算法202

8.5.2 迭代自组织的数据分析算法（ISODATA）205

小结213

习题213

第9章 模糊聚类分析214

9.1 模糊集的基本概念214

9.2 模糊集运算217

9.2.1 模糊子集运算217

9.2.2 模糊集运算性质218

9.3 模糊关系218

9.4 模糊集在模式识别中的应用223

9.5 模糊聚类分析224

小结240

习题240

第10章 遗传算法聚类分析241

10.1 遗传算法基本概念241

10.2 遗传算法的构成要素243

10.2.1 染色体的编码243

10.2.2 适应度函数244

10.2.3 遗传算子245

10.3 控制参数的选择247

10.4 基于遗传算法的聚类分析247

小结266

习题266

附录A 几种主要矩阵运算的程序代码267

参考文献275