第1章 緒論 1
1.1 模式和模式識別的概念 1
1.2 模式空間、特征空間和類型空間 2
1.3 模式識別系統的構成 3
1.3.1 信息獲取 3
1.3.2 預處理 4
1.3.3 特征提取和選擇 4
1.3.4 分類決策 4
1.4 物體的結構表示 4
1.5 圖片識別問題 5
第2章 模式識別中的基本決策方法 6
2.1 基于最小錯誤率的貝葉斯決策 6
2.2 分類器設計 9
2.2.1 多類情況 10
2.2.2 兩類情況 10
2.3 關于分類器的錯誤率 10
2.4 關于貝葉斯決策 10
2.5 線性判別函數的基本概念 11
2.6 設計線性分類器的主要步驟 12
2.7 Fisher線性判別 12
2.8 解決多類問題決策樹 14
2.8.1 決策樹的基本概念 14
2.8.2 決策樹設計的基本考慮 15
第3章 常用的模型和算法介紹 16
3.1 人工神經網絡的發(fā)展簡史 16
3.2 人工神經元 17
3.2.1 神經元模型 17
3.2.2 幾種常用的作用函數 18
3.3 人工神經網絡構成 20
3.3.1 基本模型 20
3.3.2 前向網絡 20
3.4 人工神經網絡的學習規(guī)則 21
3.4.1 Hebb學習規(guī)則 21
3.4.2 δ學習規(guī)則 21
3.5 BP網絡 21
3.5.1 BP網絡模型 22
3.5.2 輸入輸出關系 22
3.5.3 網絡學習訓練 22
3.5.4 BP網絡的設計問題 23
3.5.5 BP網絡的限制與不足 25
3.5.6 BP算法的改進 25
3.6 BP算法的C語言實現及使用方法 26
3.7 用BP網絡解決異或問題 37
3.8 標量量化 39
3.8.1 基本概念 39
3.8.2 均勻量化 41
3.8.3 非均勻量化 41
3.9 矢量量化 42
3.9.1 基本原理 42
3.9.2 失真測度 44
3.9.3 設計碼本 44
3.10 矢量量化算法的C語言實現 45
3.11 HMM基本思想 52
3.11.1 Markov鏈 52
3.11.2 HMM的概念 53
3.12 HMM基本算法 54
3.12.1 前向后向算法 55
3.12.2 Viterbi算法 56
3.12.3 Baum-Welch算法 57
3.13 基本HMM模型的C語言實現 58
3.13.1 數據結構和函數定義 58
3.13.2 一些基本工具 59
3.13.3 HMM結構的操作函數 67
3.13.4 前向后向算法 71
3.13.5 Viterbi算法 75
3.13.6 Baum-Welch算法 78
3.13.7 隨機數生成函數 81
3.13.8 序列操作函數 82
第4章 常用搜索算法 85
4.1 狀態(tài)空間法 85
4.1.1 狀態(tài)(State) 85
4.1.2 問題的狀態(tài)空間(State Space) 85
4.2 盲目搜索算法 86
4.2.1 寬度優(yōu)先搜索 86
4.2.2 深度優(yōu)先搜索 87
4.3 啟發(fā)式搜索算法 88
4.3.1 搜索深度、啟發(fā)函數和評價函數 88
4.3.2 A算法和A*算法 88
4.4 A*算法類的實現 89
4.5 8數碼游戲(Eight-Puzzle)簡介 97
4.6 關于8數碼游戲解的存在性討論 97
4.6.1 問題的表達 97
4.6.2 問題的轉化與證明 97
4.7 算法設計 98
4.8 程序實現 99
4.8.1 程序創(chuàng)建步驟 100
4.8.2 數據結構和函數定義 101
4.8.3 各種算法的實現 102
4.8.4 可視化的實現 112
4.9 黑白棋簡介 120
4.9.1 黑白棋規(guī)則 120
4.9.2 黑白棋基本戰(zhàn)術 121
4.10 算法設計 122
4.10.1 博弈算法基礎 122
4.10.2 Alpha-Beta剪枝 124
4.10.3 估值函數 128
4.10.4 開局及終局 134
4.11 程序實現 134
4.11.1 程序創(chuàng)建步驟 135
4.11.2 程序代碼 135
第5章 聯機字符識別 154
5.1 漢字識別的歷史和現狀 154
5.2 聯機字符識別原理框圖 155
5.2.1 統計決策方法 156
5.2.2 句法結構方法 157
5.3 基于筆畫及筆畫特征二級分類的聯機漢字識別 158
5.3.1 筆畫的分類 158
5.3.2 筆畫識別前的噪聲處理 159
5.3.3 筆畫方向碼合并處理及筆畫識別 160
5.3.4 筆畫間特征量的定義及識別 160
5.3.5 整字匹配的距離準則 161
5.4 基于活動模板引導的子結構的識別 163
5.4.1 系統模型 163
5.4.2 活動模板子結構的構造 164
5.4.3 子結構引導的結構匹配 165
5.5 實例之聯機手寫數字識別 167
5.5.1 難點及特征的選取 167
5.5.2 相應的預處理及模板的建立 168
5.5.3 程序的實現 169
5.6 實例之聯機手寫數字、英文字符及漢字識別 182
第6章 脫機字符識別 204
6.1 印刷體漢字的識別 204
6.1.1 印刷體漢字的基本知識 204
6.1.2 漢字的行切割和字切割 204
6.1.3 文字的歸一化 205
6.1.4 基于統計量的特征 206
6.2 基于置信度分析和多信息融合的手寫數字識別方法 209
6.2.1 多種特征和多種分類器 210
6.2.2 集成方法 211
6.2.3 預處理 213
6.3 其他手寫數字識別方法簡介 215
6.3.1 基于支持向量機(SVM)的方法 215
6.3.2 偽二階隱馬爾可夫模型應用于手寫數字識別 215
6.3.3 基于骨架特征順序編碼的識別方法 216
6.4 手寫數字識別實例之模板匹配法 216
6.4.1 位圖的讀寫 216
6.4.2 細化算法 218
6.4.3 特征提取與識別 233
6.4.4 程序實現 233
6.5 手寫數字識別實例之Fisher線性判別 252
6.5.1 USPS數據庫 252
6.5.2 Fisher判別程序 254
6.6 數字識別實例之神經網絡法 266
第7章 在線簽名鑒定 279
7.1 時間彎折算法 279
7.1.1 時間彎折的概念 279
7.1.2 時間彎折的限制 280
7.1.3 時間彎折的DP方法 281
7.1.4 DTW方法的擴充和變形 282
7.1.5 模板的建立 282
7.1.6 算法的實現 282
7.2 簽名分段算法 291
7.3 自回歸分析 293
7.4 聯機簽名可以利用的特征 299
7.5 基于特征函數法的聯機簽名鑒定 300
7.5.1 系統框圖 300
7.5.2 預處理 300
7.5.3 特征提取 301
7.5.4 特征匹配 302
7.6 在線簽名鑒定系統實例 302
7.6.1 簽名數據的輸入 302
7.6.2 一些結構的定義 303
7.6.3 方向分布的計算 304
7.6.4 文件數據的讀取 309
7.6.5 預處理函數 311
7.6.6 識別算法 320
7.6.7 保存和打開模板 323
第8章 離線簽名鑒定 325
8.1 離線簽名鑒定的方法 325
8.1.1 距離匹配變換 325
8.1.2 形狀特征 325
8.1.3 紋理特征 330
8.2 偽動態(tài)特征 339
8.3 總結 340
第9章 人臉的檢測與定位 341
9.1 人臉檢測方法綜述 341
9.1.1 基于知識的自頂向下的方法 341
9.1.2 基于人臉特征的自底向上的方法 342
9.1.3 模板匹配的方法 342
9.1.4 基于人臉外觀的方法 342
9.2 基于膚色的人臉檢測算法 342
9.2.1 色彩空間與色彩空間的聚類 342
9.2.2 膚色模型 343
9.2.3 人臉區(qū)域分割 347
9.2.4 膚色模型在人臉檢測的后期驗證中的應用 350
9.3 人臉特征的檢測 351
9.3.1 候選特征的提取 352
9.3.2 雙眼和嘴巴的定位 352
9.3.3 雙眼和嘴巴的輪廓提取 352
9.4 人臉檢測與定位實例 354
9.4.1 人臉區(qū)域的檢測 354
9.4.2 眼睛的標定 374
9.4.3 鼻子的確定 382
9.4.4 嘴的確定 384
9.4.5 主程序的其他一些代碼 387
第10章 車牌識別技術 396
10.1 系統簡介 396
10.1.1 車牌定位技術綜述 397
10.1.2 車牌字符識別技術綜述 398
10.2 車牌圖像定位與分割算法 398
10.2.1 車牌圖像的特點及識別難點 399
10.2.2 邊緣提取算法 400
10.2.3 Hough變換提取直線 408
10.2.4 車牌檢測的要點 412
10.2.5 算法流程 413
10.3 車牌字符的識別 414
10.3.1 二值化 415
10.3.2 傾斜度的校正 415
10.3.3 大小歸一化 416
10.3.4 匹配識別字符 416
第11章 印章識別 418
11.1 偽印章的制作及人工防偽技術 418
11.1.1 常用偽造印章的方法及其特征 418
11.1.2 真假印章印文的檢驗 420
11.2 自動印章識別系統的設計 421
11.2.1 預處理 421
11.2.2 特征的提取 421
11.3 算法實現 422
第12章 圖像的紋理分析方法 426
12.1 紋理分析概念 426
12.2 空間灰度層共現矩陣 427
12.3 紋理能量測量 429
12.4 紋理的結構分析方法和紋理梯度 431
12.4.1 紋理的結構分析方法 431
12.4.2 紋理梯度 432
12.5 遙感圖像的紋理分析 432
12.5.1 云類的自動識別 432
12.5.2 臺風的自動識別 434
12.6 細胞圖像的彩色紋理分析 436
12.6.1 紋理的彩色分布特征描述 436
12.6.2 紋理彩色特征 437
12.6.3 細胞圖像處理 438
12.7 Visual C++應用實例 438
12.7.1 灰度共現矩陣類 439
12.7.2 幾個響應函數 446
參考文獻 449
鄂公網安備 42010302001612號 