本书详解了数字图像模式识别技术中的部分典型案例，全书共分3篇14章，第一篇分2章介绍了数字图像模式识别基础知识及其经典识别方法；第二篇分10章从不同角度介绍了多个典型的数字图像模式识别案例；第三篇则系统全面地介绍了2个数字图像模式识别案例的详细设计思路及其实现过程。
本书打破了传统程序类书籍的讲解方法，将编程思路和编程过程与所附代码有机结合在一起，分层次分模块地予以讲解。同时，以图解的方式讲解程序的运行过程和结果，并通过提示、技巧和注意的方式指导读者对重点注意项的阅读，从而使读者迅速理解所讲述内容。
本书内容翔实、排列紧凑、安排合理、图解清楚、讲解透彻、案例丰富实用，能够使用户快速、全面地掌握数字图像模式识别的各种应用技术。它既可以作为高等院校的数字图像模式识别相关学科的教材，也可作为工程技术人员及读者自学的参考书。

全书共分三大篇:
第一篇分2章介绍了数字图像模式识别基础知识及其经典识别方法；
第二篇分10章从不同角度介绍了多个典型的数字图像模式识别案例；
第三篇则系统全面地介绍了两个数字图像模式识别案例的详细设计思路及其实现过程。

本书打破了传统程序类书籍的讲解方法：
将编程思路和编程过程与所附代码有机结合在一起，分层次分模块地予以讲解；
以图解的方式讲解程序的运行过程和结果。
本书内容翔实、排列紧凑、安排合理、图解清楚、讲解透彻、案例丰富实用，能够使用户快速、全面地掌握数字图像模式识别的各种应用技术。它既可以作为高校的数字图像模式识别相关学科的教学用书，也可作为工程技术人员及高校相关学科师生的参考书。


主要内容
概括地介绍了数字图像模式识别的基本概念及其基本设计过程。
讲解了数字图像模式识别的基本实现方法。
详解基于Visual C++对符合ISBN和ISSN编码规则的条形码的识别。
详解基于Visual C++对各种几何图形的识别。
详解基于Visual C++对人脸的识别与检测。
详解基于Visual C++对人脸的识别与定位。
详解基于Visual C++对灰度车牌的识别。
详解基于Visual C++对脑部CT图像的识别与辅助诊断。
详解基于Visual C++对手写体数字的识别。
详解基于Visual C++对指纹图像识别的预处理。
详解基于Visual C++对指纹图像的特征提取。
详解基于Visual C++对指纹图像的识别。
详解基于Visual C++对彩色车牌的识别。
详解基于Visual C++对中文印刷体图文的识别。

读者对象
学习数字图像模式识别技术的初级读者
具有一定数字图像模式识别基础知识、希望进一步深入掌握设计思路和设计方法的中级读者
大中专院校数字图像模式识别相关学科的学生
从事数字图像模式识别技术应用的工程技术人员

基本内容
　　作为一门实用而具有综合性的边缘学科，数字图像模式识别技术研究的内容主要是基于数字图像和模式识别的各种分析方法实现对数字图像的预处理、特征提取以及对其内容的识别。本书将以实践为导向，以实用为目标来介绍典型的数字图像模式识别案例，从而使读者迅速掌握用Visual C++解决实际数字图像模式识别问题的基本方法和技巧。
　　本书内容丰富、层次清晰，所述内容具有较强的实践性和应用性。在学习完本书之后，相信读者不仅能充分了解数字图像模式识别技术基础理论和经典算法，还能自行开发实际项目。
　　全书共分为3篇14章，各章具体内容如下：
　　第1章：概括地介绍了数字图像模式识别的基本概念及其基本设计过程，并给出了一个Visual C++数字图像处理类。后续章节的实例编程都将基于该类展开。
　　第2章：主要讲解了数字图像模式识别的基本实现方法，后续章节将以此为基础进行设计。
　　第3章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对符合ISBN和ISSN编码规则的条形码的识别。
　　第4章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对各种几何图形的识别。
　　第5章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对人脸的检测。
　　第6章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对人脸的定位。
　　第7章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对灰度车牌的识别与定位。
　　第8章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对脑部CT图像的识别与辅助诊断。
　　第9章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对手写体数字的识别。
　　第10章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对指纹图像的预处理。
　　第11章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对指纹图像的特征提取。
　　第12章：主要讲解了基于Visual C++、利用模式识别技术设计与实现对指纹图像的识别与比对。
　　第13章：详细讲解了基于Visual C++、利用模式识别技术设计与实现对彩色车牌的识别。
　　第14章：详细讲解了基于Visual C++、利用模式识别技术设计与实现对印刷体图文的识别。
主要特点
　　本书作者都是长期从事数字图像模式识别教学、科研和技术应用的教师和科研工程人员，有着丰富的教学和著书经验。在内容编排上，按照学习的一般规律，结合大量实例讲解相关项目开发的操作步骤，这种讲解方式能够使读者快速、真正地掌握对数字图像模式识别技术的使用。
　　本书具有以下鲜明的特点：
　　 从零开始，轻松入门；
　　 图解案例，清晰直观；
　　 图文并茂，操作简单；
　　 实例引导，专业经典；
　　 学以致用，注重实践。
读者对象
　　本书适合作为高等院校数字图像模式识别相关学科的教材，也可以作为读者自学的教程和专业人员的参考用书，具体读者对象如下：
　　 刚开始学习数字图像模式识别技术的初级读者；
　　 掌握一定的数字图像模式识别基础知识、希望进一步深入掌握数字图像识别技术的设计思路和设计方法的中级读者；
　　 大中专院校数字图像模式识别相关专业的学生；
　　 从事数字图像模式识别技术应用的工程技术人员。
配套光盘简介
　　为了方便读者学习，本书提供了配套光盘，其中包含了本书主要实例源文件，这些文件都保存在与章节相对应的文件夹中。同时，主要实例的设计过程涉及的图像文件也放在了光盘中，相信会为读者的学习带来方便。
　　本书主要由冯伟兴、梁洪、王臣业编著，参加本书编著及资料整理工作的还有贺波、董增超、曹魏魏、管殿柱、宋一兵、赵秋玲、赵景伟、赵景波、张洪信、王献红、张忠林、谈世哲等。
　　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。
零点工作室网站地址：www.zerobook.net。
零点工作室联系信箱：gdz_zero@126.com。

零点工作室
2012年5月

计算机\程序设计

放排好的目录及图书宣传封面

冯伟兴 梁洪 王臣业 编著：暂无简介

前言
第一篇　基　础　篇
第1章　数字图像模式识别 1
1.1　数字图像处理概述 1
1.1.1　数字图像获取 2
1.1.2　图像显示与存储 2
1.1.3　数字图像文件 2
1.1.4　数字图像处理 5
1.2　模式识别基本概念 6
1.2.1　模式和模式识别的概念 6
1.2.2　模式空间、特征空间和类别空间 6
1.2.3　模式识别系统的组成 7
1.2.4　数字图像模式识别的基本过程 8
1.3　Visual C++数字图像处理类 9
1.3.1　Visual C++编程方法 9
1.3.2　Visual C++数字图像处理类 17
第2章　模式识别实现方法 38
2.1　统计模式识别 38
2.1.1　特征的提取与选择 38
2.1.2　模式分类 45
2.1.3　模式聚类 50
2.2　经典模式识别决策方法及实现 54
2.2.1　人工神经网络 54
2.2.2　隐马尔可夫模型 63
2.2.3　决策树 79
2.2.4　模板匹配 88
2.2.5　支持向量机 90
第二篇　案　例　篇
第3章　一维条形码识别系统 98
3.1　系统介绍 98
3.2　核心技术原理 99
3.2.1　常用的条形码编码规则 99
3.2.2　预处理过程——二值化 103
3.2.3　译码过程——平均值法 104
3.3　系统结构与流程 104
3.3.1　系统总体结构 105
3.3.2　二值化算法流程 105
3.3.3　平均值法算法流程 105
3.4　编程实现 106
3.4.1　二值化算法 106
3.4.2　平均值法 107
3.5　运行效果 117
第4章　基于模糊聚类的图形识别系统 118
4.1　系统介绍 118
4.2　核心技术原理 119
4.2.1　图像的标识及特征提取 119
4.2.2　模式相似性测量 121
4.2.3　模糊理论基本概念 124
4.2.4　模糊聚类分析 136
4.3　系统结构与流程 137
4.3.1　系统总体结构 137
4.3.2　图像标识及特征提取算法流程 138
4.3.3　计算模糊距离算法流程 138
4.3.4　模糊聚类算法流程 139
4.4　编程实现 140
4.4.1　图像的标识及特征提取 140
4.4.2　计算模糊距离 145
4.4.3　模糊聚类 147
4.5　运行效果 153
第5章　人脸检测系统 156
5.1　系统介绍 156
5.2　核心技术原理 157
5.2.1　彩色图像空间 157
5.2.2　人脸肤色相似度计算 158
5.2.3　人脸识别与分割 160
5.3　系统结构与流程 161
5.3.1　系统总体结构 161
5.3.2　人脸肤色相似度算法流程 162
5.3.3　人脸识别与分割算法流程 162
5.4　编程实现 163
5.4.1　人脸肤色相似度比较 163
5.4.2　人脸识别与分割 168
5.5　运行效果 172
第6章　人脸定位系统 174
6.1　系统介绍 174
6.2　核心技术原理 174
6.2.1　人脸轮廓提取 175
6.2.2　眼睛识别与定位 176
6.2.3　鼻子识别与定位 176
6.2.4　嘴部识别与定位 176
6.3　系统结构与流程 177
6.3.1　系统总体结构 177
6.3.2　人脸定位 177
6.3.3　人脸内轮廓提取 178
6.3.4　眼睛定位 180
6.3.5　鼻子定位 180
6.3.6　嘴部定位 181
6.4　编程实现 182
6.4.1　人脸位置定位 183
6.4.2　人脸内轮廓提取 186
6.4.3　眼睛定位 189
6.4.4　鼻子定位 196
6.4.5　嘴部定位 200
6.5　运行效果 205
第7章　灰度车牌定位系统 207
7.1　系统介绍 207
7.2　核心技术原理 208
7.2.1　车牌图像预处理 208
7.2.2　车牌定位 215
7.3　系统结构与流程 216
7.3.1　系统总体结构 216
7.3.2　图像灰度化算法流程 216
7.3.3　直方图均衡化算法流程 217
7.3.4　图像平滑算法流程 218
7.3.5　图像二值化算法流程 218
7.3.6　图像小颗粒去噪算法流程 219
7.3.7　车牌定位算法流程 222
7.4　编程实现 222
7.4.1　图像预处理 222
7.4.2　车牌定位 232
7.5　运行效果 239
第8章　脑部CT图像辅助诊断系统 241
8.1　系统介绍 241
8.2　核心技术原理 242
8.2.1　脑部CT图像特点分析 242
8.2.2　脑部CT图像预处理——分段线性拉伸 243
8.2.3　医学CT图像特征提取 244
8.2.4　脑部CT图像分类与辅助诊断 246
8.3　系统结构与流程 249
8.3.1　系统总体结构 249
8.3.2　分段线性拉伸算法流程 250
8.3.3　灰度共生矩阵算法流程 250
8.3.4　BP神经网络算法流程 251
8.4　编程实现 252
8.4.1　分段线性拉伸 253
8.4.2　特征提取 254
8.4.3　分类器训练 260
8.5　运行效果 263
8.5.1　系统操作步骤 263
8.5.2　实验结果及分析 265
第9章　手写体数字识别系统 267
9.1　系统介绍 267
9.2　核心技术原理 268
9.2.1　手写体数字图像校正 268
9.2.2　手写体数字网格特征 269
9.2.3　手写体数字识别 270
9.3　系统结构与流程 270
9.3.1　系统总体结构 271
9.3.2　手写体数字图像校正 271
9.3.3　手写体数字网格特征 273
9.3.4　手写体数字识别 273
9.4　编程实现 274
9.4.1　手写体数字图像校正 274
9.4.2　手写体数字网格特征 280
9.4.3　手写体数字识别 285
9.5　运行效果 287
第10章　指纹识别的预处理 289
10.1　系统介绍 289
10.2　核心技术原理 289
10.2.1　指纹图像场及其计算 290
10.2.2　指纹图像的分割 294
10.2.3　指纹图像的均衡 296
10.2.4　指纹图像的收敛 298
10.2.5　指纹图像的平滑 302
10.2.6　指纹图像的智能增强 304
10.2.7　指纹图像骨架的提取准备 306
10.2.8　指纹图像骨架的细化提取 308
10.3　系统结构与流程 309
10.3.1　系统总体结构 309
10.3.2　指纹图像方向场计算算法流程 309
10.3.3　指纹图像的分割算法流程 310
10.3.4　指纹图像的均衡算法流程 310
10.3.5　指纹图像的收敛算法流程 311
10.3.6　指纹图像的平滑算法流程 311
10.3.7　指纹图像的智能增强算法流程 312
10.3.8　指纹图像的骨架提取准备算法流程 312
10.3.9　指纹图像的骨架细化算法流程 313
10.4　编程实现 315
10.4.1　指纹图像方向场计算 315
10.4.2　指纹图像的分割 317
10.4.3　指纹图像的均衡 318
10.4.4　指纹图像的收敛 320
10.4.5　指纹图像的平滑 323
10.4.6　指纹图像的智能增强 324
10.4.7　指纹图像的智能二值化 327
10.4.8　指纹图像的骨架细化 331
10.5　运行效果 336
第11章　指纹图像特征提取系统 339
11.1　系统介绍 339
11.2　核心技术原理 339
11.2.1　指纹特征定义及分类 340
11.2.2　指纹特征点的提取 340
11.2.3　指纹伪特征点及其去除方法 343
11.3　系统结构与流程 344
11.3.1　系统总体结构 344
11.3.2　指纹特征端点、叉点的提取算法流程 344
11.3.3　指纹特征奇异点提取算法流程 345
11.3.4　去除伪指纹特征点算法流程 345
11.4　编程实现 347
11.4.1　指纹图像端点提取 347
11.4.2　指纹图像叉点提取 348
11.4.3　指纹图像奇异点提取 349
11.4.4　指纹图像伪特征点去除 353
11.5　运行效果 365
第12章　指纹图像比对系统 366
12.1　系统介绍 366
12.2　核心技术原理 366
12.2.1　指纹图像“柔性”配准 367
12.2.2　指纹图像匹配 368
12.3　系统结构与流程 372
12.3.1　系统总体结构 372
12.3.2　指纹图像配准算法流程 373
12.3.3　指纹图像匹配算法流程 373
12.3.4　指纹图像比对算法流程 374
12.4　编程实现 374
12.4.1　指纹图像匹配 375
12.4.2　指纹图像全局比对 379
12.5　运行效果 389
第三篇　拓　展　篇
第13章　彩色汽车牌照识别系统 390
13.1　系统概述 390
13.1.1　汽车牌照定位 391
13.1.2　汽车牌照字符分割 392
13.1.3　汽车牌照字符识别 393
13.2　系统结构与流程 393
13.3　汽车牌照定位 393
13.3.1　汽车牌照特征 394
13.3.2　汽车牌照区域识别思路 395
13.3.3　汽车牌照区域粗定位 396
13.3.4　汽车牌照区域精定位 410
13.3.5　汽车牌照倾斜校正 412
13.3.6　汽车牌照提取 415
13.4　汽车牌照分割 421
13.4.1　汽车牌照二值化 421
13.4.2　去除边框 427
13.4.3　字符分割 427
13.5　汽车牌照字符识别 428
13.5.1　字符图像预处理 429
13.5.2　字符模板匹配 432
第14章　中文印刷体文档识别系统 437
14.1　系统概述 437
14.1.1　中文印刷体文档识别研究现状 437
14.1.2　中文印刷体文档识别结构与流程 441
14.1.3　中文印刷体文档识别中的难点 441
14.2　中文印刷体文档图像预处理 442
14.2.1　中文印刷体文档图像特点 442
14.2.2　二值化处理 443
14.2.3　平滑去噪 446
14.2.4　倾斜校正 448
14.3　版面分析 455
14.3.1　版面结构 455
14.3.2　版面分析方法 456
14.3.3　版面理解 466
14.3.4　版面重构 474
14.4　印刷体汉字识别 474
14.4.1　文本区域预处理 475
14.4.2　印刷体汉字的特征提取 479
14.4.3　印刷体汉字的识别 486
14.5　公式的定位与提取 490
14.5.1　印刷体文档公式的特点 491
14.5.2　基于投影的公式定位和提取 491
14.5.3　基于Parzen窗的独立行公式定位和提取 493
14.5.4　基于字符宽度中心矩的公式定位和提取 495
14.5.5　基于汉字拒识的内嵌公式定位和提取 500
14.6　公式字符分割与识别 502
14.6.1　公式字符的特点 502
14.6.2　公式字符的分割 503
14.6.3　公式字符的识别 509
14.7　公式结构分析与表示 517
14.7.1　公式结构分析的难点 517
14.7.2　公式结构分析前的字符预处理 519
14.7.3　公式结构分析方法 519
14.7.4　公式结构表示方法 528
14.8　图表处理 534
14.8.1　文档中图形图像的表示与处理 535
14.8.2　文档中表格的分析与识别 537
参考文献 548