本书论述了基于Visual C++的数字图像模式识别的技术和方法主要内容包括：Visual C++数字图像处理基础、图像特征、统计模式识别、模式识别决策方法及实现，以及人脸检测与特征点定位、汽车牌照识别、脑部医学影像诊断、印刷体汉字识别、手写体数字识别、运动图像分析等6个数字图像模式识别应用实例。系统地介绍了数字图像模式识别技术的基本概念和理论、基本方法和算法，并将图像模式识别的基础理论论述与Visual C++软件实践方法相结合。
我有计算机背景，学习过计算机图形学及Visual C++编程的基本方法与技能，为什么却不能编写数字图像模式识别的完整代码？
我是计算机图像工程师，工作三年了，为什么我依然不能迅速上手，驾驭数字图像模式识别的工程项目，成为项目经理？
设计和编制数字图像模式识别源程序代码的过程中，如何做到敏捷高效、事半功倍？
如何娴熟地调用常见的40个数字图像处理子函数代码，如何做到信手拈来、深入浅出，他山之石，何以攻玉？
本书作者都是经历一线开发的工程技术人员，他们悉心凝练、字斟句酌，系统论述了基于Visual C++的数字图像模式识别的技术、方法与实战技巧；透彻分析了众多工程实践经验与案例，以飨读者。
● Visual C++编程：编程思想、程序框架、构造图像处理类
图像处理：图像增强、形态学运算、图像分割
图像特征：统计特征、幅值特征、几何特征、形状特征、纹理特征
模式内涵：模式、模式空间、特征空间、类别空间
模式统计：特征提取、特征选择、模式分类、模式聚类
模式决策：人工神经网络、隐马尔可夫模型、决策树、模板匹配
人脸检测与特征点定位 ● 汽车牌照识别
● 脑部医学影像诊断 ● 印刷体汉字识别
● 手写体数字识别 ● 运动图像分析
作为一门实践性强的综合性边缘学科，数字图像模式识别技术研究的内容主要包括图像变换、图像增强、图像特征提取、图像识别以及运动图像分析等。本书将以实践为导向，以实用为目标来介绍这些重要的数字图像模式识别技术，在介绍数字图像模式识别技术基础理论及算法原理的同时，重点详细地介绍如何用Visual C++编程实现这些典型及常用算法，并结合实际应用，介绍作者所在实验室近年来在工程实践和课题研究中总结出来的一些经典案例，力求理论、应用与实际编程的紧密结合，使读者真正掌握用Visual C++进行图像模式识别编程的基本方法和技巧。
本书内容丰富、层次清晰、力求较强的实践性和可用性。在学习完本书之后，相信读者能够深入掌握数字图像模式识别技术的基础理论和经典算法，并能顺利进行实际项目的开发。
本书特点
本书主要有以下特点。
1. 循序渐进，由浅入深
为了方便读者学习，本书全部实例程序均采用同一个应用程序界面。从基于Visual C++构建应用程序界面，到增加图像处理功能，再到最终的数字图像模式识别经典实例的实现，全书内容前后连贯，互相依托，构成一个整体。使读者高效地掌握基于Visual C++实现数字图像模式识别技术的基本方法。
2. 技术全面，内容充实
本书以理论和编程实践相结合的方式介绍了数字图像模式识别技术的常用算法。按照数字图像模式识别技术的基本体系结构，全面地从数字图像模式识别技术基础知识、数字图像处理应用、数字模式识别技术实例三个层次组织内容，并有机结合了数字图像模式识别技术、软件开发方面的专业知识。
3. 对比讲解，理解深刻
本书针对不是非常熟悉Visual C++编程和数字图像模式识别技术的初学者，采用图文并茂、对比讲解的方式，详细介绍算法实现的每一个步骤。希望通过这种讲解方式，帮助读者加深、加快对Visual C++数字图像模式识别技术的理解和掌握。
4. 代码完整，讲解详尽
书中的每个知识点都有相应的实例代码，并对关键的代码部分进行了注释说明。每段代码的后面都有详细的分析，并给出了代码运行后的结果。读者可以参照运行结果阅读源程序，以便于加深理解。
主要内容
本书共11章，各章的主要内容如下。
第1章：本章介绍了计算机获取、显示、存储数字图像的方法。重点解释了计算机中数字图像的存储格式以及数字图像处理的核心内容。结合模式空间、特征空间和类别空间介绍了模式识别原理，以及数字图像模式识别的工作原理和系统组成。
第2章：系统地介绍了Visual C++作为应用程序编译器的编程思路、编程方法以及如何基于Visual C++ 6.0进行应用程序开发。着重讲述数字图像的特点及其在Windows中的表示方式。在此基础上，介绍了在数字图像模式识别中常用的图像处理基本算法，包括图像增强、形态学运算和图像分割。
第3章：介绍了图像特征的定义及其提取方法。包括图像的统计特征、幅值特征、几何特征、形状特征、纹理特征等基本图像特征的定义及其提取方法。通过实例展示了这几种图像特征提取方法的效果和目的。
第4章：介绍了统计模式识别的主要研究内容，即特征提取与选择、模式分类和模式聚类的研究目的和研究方法。详细介绍了分支界定和基于K-L变换等两种特征提取方法，基于贝叶斯决策、线性分类器和非线性分类等三种模式分类方法，以及模式聚类需要解决的两个问题，即衡量两个样本相似程度的方法和聚类准则。
第5章：介绍了常用的模式识别决策方法。包括人工神经网络的原理及基本实现方法、隐马尔可夫模型的概念及基本算法、决策树的基本概念及设计方法、模板匹配的概念及基于Hausdorff距离的匹配实现方法。在详细介绍这几种决策方法的同时，提供了详尽的实现代码。
第6章：人脸检测与特征点定位应用。介绍了基于Visual C++利用数字图像模式识别技术实现对人脸的自动检测与特征点定位。包括人脸相似度计算、人脸轮廓提取、人脸定位、脸内轮廓提取、眼睛定位、鼻子定位、嘴定位等内容。
第7章：汽车牌照识别应用。按照模式识别系统组成，分车牌预处理、车牌特征提取和车牌识别等三个环节介绍了汽车牌照的自动识别过程。
第8章：脑部医学影像自动诊断应用。介绍了利用灰度共生矩阵进行脑部医学图像纹理特征提取的技术方法，以及基于BP神经网络的分类器实现方法。
第9章：印刷体汉字识别应用。分别介绍了基于统计模式、结构模式和人工神经网络的分类器设计方法及其在汉字识别中的应用，并基于Visual C++利用数字图像模式识别技术实现了印刷体汉字识别。
第10章：手写体数字识别应用。介绍了利用数字图像技术对获得的手写体数字图像进行二值化和反色处理，在已经定位的数字区域上进行特征提取，以及采用模板匹配法对手写体数字进行识别。
第11章：运动图像分析应用。介绍了运动图像分析的主要研究内容及其分析方法，并设计了基于Visual C++在视频中进行动态目标检测和跟踪的应用实例。其中，目标检测采用了帧间差分法，目标跟踪采用了Mean Shift法。
读者对象
高等院校的学生
社会培训班的学生
Visual C++ 开发人员
数字图像处理技术研究人员
模式识别技术研究人员
本书光盘
各章实例程序的源代码。
与本书内容相关，但由于篇幅所限，未写入本书的内容。
本书由冯伟兴（第1、2、3、4、6、7章）、唐墨（第2、5、9、10、11章）、贺波（第2、8章）编著。冯伟兴、唐墨共同负责全书程序代码的编程和调试。其他参与编著和资料整理的人员有贲烨、王宝玉、邹国峰、林天威、马慧、刘靖宇、李阳、阎涛、杨晓飞、宋一兵、管殿柱、付本国、赵景波、王臣业、张忠林等，在此对他们的辛勤工作表示感谢！
感谢您选择了本书，希望我们的努力对您的工作和学习有所帮助，也希望您把对本书的意见和建议告诉我们。
作者联系方式：gdz_zero@126.com
编辑联系方式：sdl@hzbook.com
作者
2010年6月
计算机\程序设计
本书系统论述了基于Visual C++的数字图像模式识别技术，并将众多工程实践经验与案例凝练出来，以飨读者。
涵盖内容
? V C 编程：编程思想、程序框架、构造图像处理类
? 图像处理：图像增强、形态学处理、图像分割
? 图像特征：统计特征、幅值特征、几何特征、形状特征、纹理特征
? 模式内涵：模式、模式空间、特征空间、类别空间
? 模式统计：特征提取、特征选择、模式分类、模式聚类
? 模式决策：人工神经网络、隐马尔可夫模型、决策树、模板匹配
综合实例
? 人脸检测与特征点定位
? 汽车牌照识别
? 脑部医学影像诊断
? 印刷体汉字识别
? 手写体数字识别
? 运动图像分析
冯伟兴 唐墨 贺波 等编著：暂无简介
前言
第1章 绪论 1
1.1 数字图像处理概述 1
1.1.1 数字图像获取 1
1.1.2 图像显示与存储 1
1.1.3 数字图像文件 2
1.1.4 数字图像处理 4
1.2 模式识别基本概念 5
1.2.1 模式和模式识别的概念 5
1.2.2 模式空间、特征空间和类别空间 5
1.2.3 模式识别系统的组成 5
1.2.4 数字图像模式识别 7
1.3 实践拓展 7
第2章 Visual C++数字图像处理基础 9
2.1 Visual C++编程方法 9
2.1.1 面向对象编程 9
2.1.2 MFC类 12
2.1.3 程序框架 14
2.1.4 集成开发环境 16
2.1.5 生成多文档应用程序 19
2.2 Visual C++数字图像处理 23
2.2.1 BMP图像文件 23
2.2.2 位图文件读取 25
2.2.3 图像增强 33
2.2.4 图像形态学处理 43
2.2.5 图像分割 48
2.3 实践拓展 51
第3章 图像特征 53
3.1 统计特征 53
3.2 幅值特征 55
3.3 几何特征 56
3.3.1 位置与方向 56
3.3.2 周长 57
3.3.3 面积 57
3.3.4 长轴与短轴 58
3.3.5 距离 58
3.4 形状特征 59
3.4.1 多边形描述 59
3.4.2 曲线描述 59
3.4.3 标记 60
3.4.4 矩形度 60
3.4.5 圆形度 60
3.4.6 不变矩 61
3.4.7 偏心率 62
3.5 纹理特征 62
3.5.1 纹理 63
3.5.2 纹理分析 63
3.6 实践拓展 64
第4章 统计模式识别 65
4.1 统计模式识别的研究内容 65
4.2 特征的提取与选择 66
4.2.1 特征评判标准—类别可分性判据 66
4.2.2 特征选择及分支界定法 67
4.2.3 特征提取及主分量分析 68
4.3 模式分类 71
4.3.1 最小错误率的贝叶斯决策 71
4.3.2 感知器分类器 73
4.3.3 近邻分类器 74
4.4 模式聚类 75
4.4.1 模式相似性测度和聚类准则 76
4.4.2 层次聚类法 77
4.4.3 c-均值算法 77
4.5 实践拓展 79
第5章 模式识别决策方法及实现 80
5.1 人工神经网络 80
5.1.1 神经网络基本原理 80
5.1.2 误差反向传播算法 83
5.1.3 BP网络的设计 85
5.1.4 BP算法的C语言实现 86
5.2 隐马尔可夫模型 89
5.2.1 隐马尔可夫概念 89
5.2.2 隐马尔可夫模型基本算法 90
5.2.3 隐马尔可夫模型的C语言实现 94
5.3 决策树 104
5.3.1 决策树的基本概念 104
5.3.2 决策树的设计 106
5.3.3 决策树的C语言实现 107
5.4 模板匹配 112
5.4.1 模板匹配概念 113
5.4.2 Hausdorff距离 113
5.4.3 基于改进的Hausdorff距离的模板匹配算法 113
5.4.4 模板匹配的C语言实现 114
5.5 实践拓展 115
第6章 人脸检测与特征点定位 117
6.1 人脸检测方法 117
6.1.1 基于肤色的检测方法 117
6.1.2 其他人脸检测方法 119
6.2 人脸检测实例 120
6.2.1 系统设计 120
6.2.2 肤色相似度计算 122
6.2.3 人脸轮廓提取 125
6.2.4 人脸定位 127
6.2.5 脸内轮廓提取 131
6.2.6 眼睛定位 134
6.2.7 鼻子定位 142
6.2.8 嘴部定位 145
6.3 实践拓展 148
第7章 汽车牌照识别 151
7.1 系统概述 151
7.2 车牌定位 152
7.2.1 车牌颜色识别 153
7.2.2 车牌形状识别 159
7.2.3 车牌纹理识别 165
7.2.4 车牌倾斜校正 165
7.2.5 车牌定位及提取 166
7.3 车牌字符分割 172
7.3.1 车牌二值化 172
7.3.2 去除边框 178
7.3.3 字符分割 178
7.4 车牌字符识别 178
7.4.1 字符归一化 179
7.4.2 字符细化 179
7.4.3 除噪 180
7.4.4 字符模板匹配 180
7.5 实践拓展 184
第8章 脑部医学影像诊断 185
8.1 医学影像自动诊断 185
8.2 脑部医学影像的特征提取 187
8.2.1 灰度共生矩阵 187
8.2.2 脑CT图像纹理特征提取实例 188
8.3 脑部医学影像分类器设计 195
8.3.1 神经网络分类器的训练 195
8.3.2 脑CT图像分类器训练实例 196
8.3.3 分类器评估 201
8.4 实践拓展 201
第9章 印刷体汉字识别 203
9.1 印刷体汉字的特征提取 203
9.1.1 汉字特征的分类 203
9.1.2 常用的汉字特征 204
9.2 印刷体汉字的分类器设计 205
9.2.1 统计模式识别 205
9.2.2 结构模式识别 206
9.2.3 统计模式识别与结构模式识别的结合 207
9.2.4 人工神经网络 207
9.3 印刷体汉字识别实例 207
9.3.1 系统设计 207
9.3.2 图像预处理 210
9.3.3 文本区域处理 212
9.3.4 多特征提取 220
9.3.5 多分类器集成 221
9.4 实践拓展 237
第10章 手写体数字识别 239
10.1 系统概述 239
10.2 手写体数字图像的预处理 241
10.2.1 图像的二值化 241
10.2.2 图像反色 242
10.3 手写体数字的特征提取 244
10.4 手写体数字的识别 251
10.5 实践拓展 255
第11章 运动图像分析 257
11.1 运动图像分析概述 257
11.1.1 运动的分类 257
11.1.2 运动图像分析内容 258
11.2 运动目标检测与跟踪实例 258
11.2.1 系统设计 258
11.2.2 运动目标检测 264
11.2.3 运动目标跟踪 268
11.3 实践拓展 273
附录A 图像处理子函数代码—灰度变换 276
附录B 图像处理子函数代码—几何变换 282
附录C 图像处理子函数代码—空域增强 290
附录D 图像处理子函数代码—频域增强 298
附录E 图像处理子函数代码—形态学 310
附录F 图像处理子函数代码—图像分割 317
参考文献 331
