简介
本书系统地介绍了图像模式识别的基本概念和常用方法, 内容包括图像模式识别基础、图像预处理、图像的不变性特征提取、聚类分析、图像分割、特征提取与选择、分类器和图像数据维数约简等, 给出了大部分方法的实现步骤和MATLAB仿真结果, 各章还给出了典型方法的实际应用, 并覆盖了部分当前研究前沿。全书内容安排力求系统性、可操作性和实用性。
本书可以作为高等院校自动化、计算机科学与技术、信息与通信系统、电子和通信、智能机器人学、工业自动化、模式识别等相关专业高年级本科生和一年级研究生的教材, 也可作为计算机视角、计算机信息处理、图像处理、生物信息学、数据挖掘等领域从事模式识别相关工作的广大工程科技人员的参考用书。
目录
章图像模式识别基础
1.1 基本概念
1.2 模式识别分支
1.3 图像模式识别与其他学科的关系
1.4 图像模式识别的发展和应用
第2章 图像预处理
2.1 图像预处理基础
2.2 图像彩模式转换
2.3 图像集扩充
2.4 基于直方图的图像预处理
2.4.1 直方图
2.4.2 直方图均衡化
2.4.3 直方图规定化
2.5 图像增强和滤波
2.6 图像压缩
2.7 图像数学形态学处理
第3章 图像的不变性特征提取
3.1 图像的基本几何特征
3.2 尺度不变特征变换及其改
3.3 灰度图像直方图特征
3.5.2 图像边缘特征提取方法
3.5.3 中心轮廓距离的傅里叶描述子
3.6 图像角点
3.6.1 Haar特征
3.6.2 Harris角点
3.7 实际应用
3.7.1 植物叶片图像识别
3.7.2 基于不变矩的掌纹识别
第4章 聚类分析
4.1 聚类算法概述
4.1.1 聚类的数学基础
4.1.2 聚类算法的标准
4.2 聚类算法分类
4.3 K—means聚类
4.4 DBSCAN密度聚类
4.5 模糊聚类
4.6 模糊C一均值聚类
4.7 MATLAB聚类函数介绍
4.8 实际应用
第5章 图像分割
5.1 图像分割方法概述
5.2 基于区域的图像分割方法
5.2.1 阈值分割法
5.2.2 区域生长、分裂合并的图像分割方法
5.2.3 基于阈值的灰度图像分割方法
5.3 基于边缘检测的图像分割方法
5.4 基于改进的主动轮廓模型的图像分割方法
5.5 结合其他理论的图像分割方法
5.6 基于图像分割的运动目标检测
5.6.1 背景差分法
1.1 基本概念
1.2 模式识别分支
1.3 图像模式识别与其他学科的关系
1.4 图像模式识别的发展和应用
第2章 图像预处理
2.1 图像预处理基础
2.2 图像彩模式转换
2.3 图像集扩充
2.4 基于直方图的图像预处理
2.4.1 直方图
2.4.2 直方图均衡化
2.4.3 直方图规定化
2.5 图像增强和滤波
2.6 图像压缩
2.7 图像数学形态学处理
第3章 图像的不变性特征提取
3.1 图像的基本几何特征
3.2 尺度不变特征变换及其改
3.3 灰度图像直方图特征
3.5.2 图像边缘特征提取方法
3.5.3 中心轮廓距离的傅里叶描述子
3.6 图像角点
3.6.1 Haar特征
3.6.2 Harris角点
3.7 实际应用
3.7.1 植物叶片图像识别
3.7.2 基于不变矩的掌纹识别
第4章 聚类分析
4.1 聚类算法概述
4.1.1 聚类的数学基础
4.1.2 聚类算法的标准
4.2 聚类算法分类
4.3 K—means聚类
4.4 DBSCAN密度聚类
4.5 模糊聚类
4.6 模糊C一均值聚类
4.7 MATLAB聚类函数介绍
4.8 实际应用
第5章 图像分割
5.1 图像分割方法概述
5.2 基于区域的图像分割方法
5.2.1 阈值分割法
5.2.2 区域生长、分裂合并的图像分割方法
5.2.3 基于阈值的灰度图像分割方法
5.3 基于边缘检测的图像分割方法
5.4 基于改进的主动轮廓模型的图像分割方法
5.5 结合其他理论的图像分割方法
5.6 基于图像分割的运动目标检测
5.6.1 背景差分法
图像模式识别/人工智能教育丛书
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
