本书结合作者对图像处理与模式识别进行的研究和工作，对图像处理与模式识别方面的几个关键问题进行了论述与探讨。全书共分10章，内容包括颜色视觉特性与颜色相似性度量、基于脉冲噪声检测的图像滤波方法、灰度图像多结构元形态学边缘检测、基于形态变换的彩色图像边缘检测、彩色图像区域分割及应用、基于不变矩方法的图像特征提取、基于BP神经网络的图像模糊分类、满文文字识别及处理等。
本书可供信息科学、数理科学、生命科学和遥感科学的科研人员和工程技术人员阅读，还可作为计算机科学与技术、自动化、电子工程、信号与信号处理等专业研究生和高年级本科生的参考书。
样章试读
目录
- 前言
第1章 颜色视觉特性与颜色相似性度量
1.1 引言
1.2 光度学基本概念
1.2.1 可见光范围
1.2.2 光强
1.2.3 光通量
1.2.4 亮度
1.2.5 照度
1.3 视觉基本原理
1.3.1 人眼构造和工作原理
1.3.2 人眼视觉模型
1.3.3 视觉现象
1.4 颜色基本特性
1.4.1 颜色属性
1.4.2 颜色的定量描述
1.4.3 混色原理
1.4.4 亮度方程
1.5 颜色视觉原理
1.5.1 视觉系统颜色感知
1.5.2 颜色视觉模型
1.6 颜色空间分析
1.6.1 面向设备的颜色空间
1.6.2 面向视觉感知的颜色空间
1.6.3 均匀颜色空间
1.6.4 色差度量
1.7 颜色相似性度量
1.7.1 RGB与HSI颜色空间变换特征
1.7.2 颜色相似系数
1.8 实验结果与分析
1.9 本章小结
参考文献
第2章 基于脉冲噪声检测的图像滤波方法
2.1 引言
2.2 图像噪声
2.2.1 噪声的来源
2.2.2 噪声的模型
2.2.3 脉冲噪声
2.3 灰度图像脉冲噪声滤除
2.3.1 脉冲噪声的图像特征分析
2.3.2 灰度图像脉冲噪声检测
2.3.3 脉冲噪声滤除
2.4 彩色图像脉冲噪声滤除
2.4.1 彩色图像脉冲噪声检测
2.4.2 脉冲噪声的自适应滤除
2.5 实验结果与分析
2.5.1 灰度图像
2.5.2 彩色图像
2.6 本章小结
参考文献
第3章 灰度图像多结构元形态学边缘检测
3.1 引言
3.2 数学形态学的特点
3.3 二值形态学
3.3.1 腐蚀
3.3.2 膨胀
3.3.3 开运算
3.3.4 闭运算
3.4 灰度数学形态学的基本运算
3.4.1 灰度腐蚀
3.4.2 灰度膨胀
3.4.3 灰度开运算
3.4.4 灰度闭运算
3.4.5 复合形态学滤波
3.5 灰度图像形态学的边缘检测梯度
3.6 抗噪型形态学边缘检测算法
3.7 多结构元形态学边缘检测算法
3.8 结构元的选择
3.9 实验结果与分析
3.10 本章小结
参考文献
第4章 基于形态学变换的彩色图像边缘检测
4.1 引言
4.2 图像阴影过渡区的检测研究
4.3 HSI颜色空间形态学变换
4.4 彩色形态学开运算和闭运算
4.5 多结构元彩色形态学边缘检测算法
4.5.1 彩色边缘
4.5.2 彩色形态学边缘检测算法
4.6 实验结果与分析
4.7 本章小结
参考文献
第5章 彩色图像区域分割及应用
5.1 引言
5.2 彩色图像区域分割
5.2.1 图像区域分割定义
5.2.2 彩色图像区域分割
5.3 足球机器人视觉系统概述
5.3.1 足球机器人系统
5.3.2 视觉子系统工作原理
5.3.3 足球机器人色标
5.3.4 色标颜色特征分析
5.4 足球机器人色标搜索与分割
5.4.1 排异聚类色标主色提取
5.4.2 网格搜索策略
5.4.3 色标区域分割
5.4.4 分割结果后处理
5.5 实验结果与分析
5.5.1 彩色图像区域分割
5.5.2 足球机器人色标搜索与分割
5.6 本章小结
参考文献
第6章 基于不变矩方法的图像特征提取
6.1 引言
6.2 不变矩理论
6.3 线矩特征的计算
6.3.1 基于线积分的线矩计算
6.3.2 基于二值边缘图像的线矩计算
6.4 实验结果与分析
6.5 本章小结
参考文献
第7章 基于BP神经网络的图像模糊分类
7.1 引言
7.2 多层前向神经网络
7.2.1 前向神经网络模型
7.2.2 反向传播的训练
7.2.3 反向传播BP网络有关问题
7.2.4 BP网络学习步骤
7.3 神经网络训练与学习的预处理
7.3.1 不变矩矢量标准化
7.3.2 以BP网络做模糊分类
7.3.3 竞争选择
7.4 基于BP神经网络的颜色分类
7.4.1 颜色类的选择
7.4.2 颜色样本的获取
7.4.3 颜色特征提取
7.4.4 网络节点数量的确定
7.4.5 网络的训练与分类
7.5 实验结果与分析
7.5.1 医学图像分类
7.5.2 颜色分类
7.6 本章小结
参考文献
第8章 满文文字识别预处理
8.1 引言
8.2 满文编码系统
8.2.1 满文编码现状
8.2.2 满文音码编码方案
8.2.3 满文形码编码方案
8.3 二值化处理
8.3.1 整体阈值二值化
8.3.2 局部阈值二值化
8.3.3 动态阈值二值化
8.4 倾斜校正
8.4.1 图像的倾斜检测
8.4.2 图像的旋转
8.5 版面分析
8.5.1 版面分析的对象与任务
8.5.2 版面分析的方法
8.5.3 基于投影的版面分析
8.6 满文单字识别预处理
8.6.1 噪声过滤
8.6.2 细化
8.6.3 剪枝
8.7 本章小结
参考文献
第9章 满文文字识别
9.1 引言
9.2 文字识别的原理和方法
9.2.1 统计模式识别
9.2.2 结构模式识别
9.2.3 统计识别与结构识别的结合
9.2.4 人工神经网络
9.3 文字识别现状
9.3.1 蒙古文特点
9.3.2 蒙文的切分和识别
9.4 满文文字识别系统结构
9.5 基于笔划基元的满文单字识别
9.5.1 笔划基元的划分与提取
9.5.2 笔划基元的特征提取与识别
9.5.3 游离笔划的识别
9.5.4 满文基元的组合识别
9.6 基于二级子结构引导的满文识别
9.7 基于WNN的满文连接笔划识别
9.7.1 小波神经网络
9.7.2 网络的具体训练算法
9.7.3 基于WNN的笔划识别
9.8 实验结果与分析
9.9 本章小结
参考文献
第10章 满文文字识别后处理
10.1 引言
10.2 后处理的原理和方法
10.2.1 后处理的重要性
10.2.2 对单字识别器输出的要求及其描述
10.2.3 基于词匹配的文字识别后处理
10.2.4 基于句法-语义分析的后处理
10.2.5 基于人工神经网络的文字识别后处理
10.2.6 基于统计方法的文字识别后处理
10.3 基于知识基的满文识别后处理
10.3.1 系统结构
10.3.2 词典
10.3.3 规则描述语言
10.3.4 语料标注
10.3.5 后处理策略
10.4 实验结果与分析
10.5 本章小结
参考文献
京公网安备 11010102004214号