图像模式识别 内容简介

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。

图像模式识别 本书特色

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。

图像模式识别 目录

第1章图像模式识别基础 11.1基本概念 11.2模式识别分支 71.3图像模式识别与其他学科的关系 111.4图像模式识别的发展和应用 14第2章图像预处理 162.1图像预处理基础 162.2图像彩色模式转换 202.3图像集扩充 252.4基于直方图的图像预处理 292.4.1直方图 292.4.2直方图均衡化 302.4.3直方图规定化 322.5图像增强和滤波 332.6图像压缩 382.7图像数学形态学处理 42第3章图像的不变性特征提取 473.1图像的基本几何特征 473.2尺度不变特征变换及其改进 483.3灰度图像直方图特征 593.4颜色、形状和纹理特征 603.4.1颜色特征 603.4.2形状特征 623.4.3纹理特征 703.4.4空间关系特征 743.5图像的边缘特征提取 743.5.1图像边缘的基本知识 743.5.2图像边缘特征提取方法 763.5.3中心轮廓距离的傅里叶描述子 863.6图像角点 883.6.1Haar特征 893.6.2Harris角点 923.7实际应用 963.7.1植物叶片图像识别 963.7.2基于不变矩的掌纹识别 98第4章聚类分析 994.1聚类算法概述 994.1.1聚类的数学基础 994.1.2聚类算法的标准 1034.2聚类算法分类 1044.3Kmeans聚类 1084.4DBSCAN密度聚类 1114.5模糊聚类 1134.6模糊C均值聚类 1154.7MATLAB聚类函数介绍 1174.8实际应用 122第5章图像分割 1245.1图像分割方法概述 1245.2基于区域的图像分割方法 1275.2.1阈值分割法 1285.2.2区域生长、分裂合并的图像分割方法 1295.2.3基于阈值的灰度图像分割方法 1335.3基于边缘检测的图像分割方法 1495.4基于改进的主动轮廓模型的图像分割方法 1535.5结合其他理论的图像分割方法 1575.6基于图像分割的运动目标检测 1655.6.1背景差分法 1655.6.2帧间差分法 1675.6.3光流场法 1685.7基于图论的图像分割方法 1695.8实际应用 174第6章特征提取与选择 1766.1概述 1766.2局部二值模式 1766.3方向梯度直方图 1956.4金字塔方向梯度直方图 2016.5Radon变换和改进的有限Radon变换特征提取 2026.6Hough变换特征提取 2076.7Gabor变换特征提取 2106.8小波变换特征提取 2136.9特征选择 2196.9.1特征选择基础 2206.9.2特征选择方法 2246.10应用实例 231第7章分类器 2347.1分类方法概述 2347.2贝叶斯分类方法 2367.3*近邻分类和K-*近邻分类 2367.4决策树与选择树 2387.5支持向量机 2397.6神经网络 2447.7极限学习机 2507.8Softmax分类器 2527.9集成分类器 2527.10分类器评估方法 2577.11MATLAB分类器 2587.12MATLAB分类器GUI 261第8章图像数据维数约简 2668.1概述 2668.2因子分析 2688.3三个无监督线性维数约简方法 2708.3.1主分量分析 2708.3.2多维尺度变换法 2738.3.3独立分量分析 2758.4二分类线性判别分析和*大边缘准则 2788.5多类线性判别分析 2828.6二维主分量分析与二维线性判别分析 2848.6.1二维主分量分析 2848.6.2二维线性判别分析 2868.7基于遗传规划的多类判别分析 2868.8核维数约简方法 2908.9关联分析 2958.9.1问题描述 2958.9.2经典相关分析 2958.9.3核经典相关分析 2998.10应用 301参考文献 304