-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

圖像識別與項目實踐——VC++、MATLAB技術實現

( 簡體 字)
作者:楊淑瑩類別:1. -> 教材 -> 數位影像處理
   2. -> 工程繪圖與工程計算 -> Matlab
譯者:
出版社:電子工業出版社圖像識別與項目實踐——VC++、MATLAB技術實現 3dWoo書號: 38566
詢問書籍請說出此書號!

缺書
NT售價: 240

出版日:5/1/2014
頁數:296
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121229664
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

圖像識別技術涉及數字圖像處理、模式識別、人工智能、計算機等學科,是一門綜合性的技術。自從電子計算機誕生以來,用機器來模擬實現人類所具有的能力便成為一項非常熱門且頗具挑戰性的研究領域。由于圖像信息易于采集,信息相關性多,抗干擾能力強,因此獲得了越來越廣泛的應用。當前,人類社會已經進入了信息化和數字化時代,隨著國家信息化進程的加速,對于圖像識別的需求量越來越大,應用也將越來越廣泛。
目前,數字圖像處理與模式識別的教材以純學術性為主,十分側重于理論推導和分析,與實際編程實現和具體工程脫節。因此,帶來如下問題。
1.不能勝任高端業務
雖然掌握圖像處理技術可應用于圖像預處理環節,但是人們對圖像數據更多的是應用于模式識別。在學習完圖像處理后,還缺乏高端的圖像識別技能。
2.實踐能力欠缺
傳統教學以理論介紹為主,強調理論的體系和概念,忽視技術的聯系和靈活應用,對理論的理解僅限于表面認識,很難看到理論的實際應用效果。由于缺乏實踐性教材指導,讀者面對應用領域,往往不知所措,無從下手,更談不上創新應用。
3.人才培養和市場需求之間脫節
目前,市場上對人才的需求越來越傾向于具有實踐能力和項目開發經驗的人才,而這方面需要積累和引導。
本書從在人們日常生活中產生重大影響的項目入手,綜合了作者多年從事數字圖像處理和模式識別領域研究的成果,結合實際應用項目,闡述了圖像識別的相關知識,介紹了開發實例的實現方法。這里,打破單方面介紹數字圖像處理和模式識別的理論知識體系,而是將兩者與項目實踐有機地結合起來,由易到難,循序漸進,介紹項目實現技術。每個項目實例介紹研究意義、背景和要求,并從數據特征分析、圖像預處理、特征提取、模式識別4個主要方面入手,提供了項目開發技術原理、實現流程、算法的實現步驟,將實現技術落實到編程,提供VC++或MATLAB的編程代碼。
本書介紹了手寫數字識別、郵政編碼識別、汽車牌照識別、文字識別、條形碼識別、人臉識別、指紋識別、虹膜識別等項目的開發技術。這些項目在社會中廣泛應用,對人們的生活產生重大的影響。項目例程框架結構簡單,每個項目的具體實現方法都提供編程實例,代碼簡潔,使讀者能夠掌握圖像識別工程的核心技術,掌握圖像識別的方法,為本領域的研究打下堅實的基礎,提高獨立承擔科研項目開發的能力。

本書在天津理工大學教材建設基金的資助下,得以順利完成,作者表示感謝。參加編寫的還有劉婷婷、劉旭鵬、陶沖、申婷婷、葉誠、祁穩杰、谷林、陳品、王博凱、王光彪、馮帆、賈紫娟、牛廷偉、鄧飛。最后本書作者對書中所引論文和參考書籍的作者表示感謝。
由于作者水平有限,書中難免會有缺陷和不足之處,敬請廣大讀者批評和指正!

著 者
內容簡介:

本書是一本有關數字圖像處理應用項目開發與實踐指導類的教材,主要介紹圖像處理應用項目開發的基本流程、圖像識別處理應用項目關鍵技術。本書直擊當今研究熱點,選擇有代表性的專題項目,詳細介紹了手寫數字識別、郵政編碼識別、汽車牌照號碼識別、印刷體漢字識別、一維條形碼識別、人臉識別、虹膜識別、指紋識別八個應用項目的實現方法。同時,針對每一個項目介紹項目的應用及意義,該項目的數據特征分析、識別系統設計、圖像預處理技術、特征提取技術,以及識別方法等。書中實例程序的框架結構簡單,代碼簡潔,讀者可在數字圖像處理技術的基礎上進一步深化學習內容,提高實踐應用能力和項目開發能力。

目錄:

第1章 圖像識別概述 (1)
1.1 圖像識別意義 (1)
1.2 圖像識別技術 (3)
1.3 手寫數字識別 (6)
1.4 郵政編碼識別 (8)
1.5 車牌識別簡介 (10)
1.6 印刷體漢字識別 (13)
1.7 條形碼識別 (16)
1.8 人臉識別 (18)
1.9 虹膜識別 (20)
1.10 指紋識別 (22)
1.11 圖像識別系統性能評價 (24)
第2章 圖像識別關鍵技術 (27)
2.1 圖像識別開發基本流程 (27)
2.2 圖像預處理 (28)
2.2.1 灰度化 (29)
2.2.2 灰度變換 (30)
2.2.3 灰度分布均衡化 (32)
2.2.4 幾何變換 (33)
2.2.5 去噪 (34)
2.2.6 銳化 (36)
2.2.7 形態學處理 (38)
2.2.8 細化 (43)
2.2.9 目標物體的輪廓提取 (45)
2.2.10 分割 (48)
2.2.11 基于投影法定位 (51)
2.2.12 測量 (51)
2.3 變換域處理 (53)
2.3.1 傅里葉變換 (54)
2.3.2 Gabor變換 (55)
2.3.3 小波變換 (56)
2.4 特征提取 (59)
2.4.1 基于顏色的特征提取 (60)
2.4.2 基于紋理的特征提取 (60)
2.4.3 基于形狀的特征提取 (62)
2.4.4 基于空間關系的特征提取 (63)
2.5 模式識別 (63)
2.5.1 模式識別簡介 (63)
2.5.2 模式識別方法 (65)
2.5.3 模板匹配法 (67)
第3章 手寫數字識別 (70)
3.1 手寫數字圖像數據特征分析 (70)
3.2 手寫數字識別系統設計 (72)
3.3 特征提取 (73)
3.4 手寫數字識別 (77)
第4章 郵政編碼識別 (81)
4.1 郵政編碼圖像數據特征分析 (81)
4.2 郵政編碼識別系統設計 (82)
4.3 郵政編碼預處理 (83)
4.3.1 去除紅色邊框 (84)
4.3.2 灰度化與二值化 (87)
4.3.3 基于投影法的編碼定位 (89)
4.3.4 數字切割 (90)
4.4 郵政編碼樣本特征提取與特征庫 (96)
4.4.1 郵政編碼樣本特征提取 (96)
4.4.2 構建郵政編碼樣本特征庫 (97)
4.5 郵政編碼識別 (99)
第5章 汽車牌照號碼識別 (104)
5.1 汽車牌照圖像數據特征分析 (104)
5.2 汽車牌照號碼識別系統設計 (105)
5.3 圖像預處理 (106)
5.3.1 二值化 (106)
5.3.2 去噪 (111)
5.3.3 車牌定位 (113)
5.3.4 車牌圖像標準化 (118)
5.3.5 字符分割 (120)
5.3.6 字符細化 (124)
5.4 車牌號碼識別 (128)
第6章 印刷體漢字識別 (141)
6.1 印刷體漢字圖像數據特征分析 (141)
6.2 漢字識別系統設計 (142)
6.3 圖像預處理 (142)
6.3.1 二值化 (142)
6.3.2 消除噪聲 (146)
6.3.3 漢字行切分與字切分 (148)
6.4 特征提取 (155)
6.5 漢字識別 (161)
第7章 一維條形碼識別 (167)
7.1 一維條形碼圖像數據特征分析 (167)
7.2 一維條形碼識別系統設計 (170)
7.3 一維條形碼圖像預處理 (171)
7.3.1 灰度化 (171)
7.3.2 二值化 (173)
7.3.3 圖像校正處理 (175)
7.3.4 噪聲處理 (178)
7.4 一維條形碼識別 (180)
第8章 人臉識別 (189)
8.1 人臉圖像數據特征分析 (189)
8.2 人臉識別系統設計 (190)
8.3 人臉圖像預處理 (192)
8.3.1 去除背景 (192)
8.3.2 二值化 (194)
8.3.3 噪聲消除 (195)
8.4 基于復合多重投影檢測的人臉定位 (197)
8.4.1 復合多重投影檢測方法 (197)
8.4.2 臉部區域定位 (198)
8.4.3 眼部區域定位 (202)
8.4.4 嘴部區域定位 (208)
8.5 特征提取 (211)
8.6 人臉識別 (226)


第9章 虹膜識別 (229)
9.1 虹膜圖像數據特征分析 (229)
9.2 虹膜識別系統設計 (230)
9.3 虹膜定位 (231)
9.3.1 基于感興趣區域的虹膜快速定位 (232)
9.3.2 虹膜外圓定位 (232)
9.3.3 虹膜內圓定位 (234)
9.4 虹膜區域處理 (238)
9.4.1 提取虹膜區域 (238)
9.4.2 虹膜區域極坐標變換 (240)
9.4.3 虹膜圖像規范化 (243)
9.5 虹膜特征提取 (244)
9.5.1 二維Gabor濾波器 (244)
9.5.2 虹膜特征提取 (247)
9.6 虹膜特征降維 (250)
9.7 虹膜識別 (254)
第10章 指紋識別 (262)
10.1 指紋識別圖像數據特征分析 (262)
10.2 指紋識別系統設計 (263)
10.3 指紋圖像預處理 (264)
10.4 指紋圖像Gabor濾波 (272)
10.4.1 Gabor濾波 (272)
10.4.2 指紋圖像Gabor濾波方法 (274)
10.5 指紋特征降維 (276)
10.6 指紋識別 (279)
參考文獻 (284)
序: