图像模式识别

第1章 图像模式识别基础 1 1.1 基本概念 1 1.2 模式识别分支 7 1.3 图像模式识别与其他学科的关系 11 1.4 图像模式识别的发展和应用 14 第2章 图像预处理 16 2.1 图像预处理基础 16 2.2 图像彩色模式转换 20 2.3 图像集扩充 25 2.4 基于直方图的图像预处理 29 2.4.1 直方图 29 2.4.2 直方图均衡化 30 2.4.3 直方图规定化 32 2.5 图像增强和滤波 33 2.6 图像压缩 38 2.7 图像数学形态学处理 42 第3章 图像的不变性特征提取 47 3.1 图像的基本几何特征 47 3.2 尺度不变特征变换及其改进 48 3.3 灰度图像直方图特征 59 3.4 颜色、形状和纹理特征 60 3.4.1 颜色特征 60 3.4.2 形状特征 62 3.4.3 纹理特征 70 3.4.4 空间关系特征 74 3.5 图像的边缘特征提取 74 3.5.1 图像边缘的基本知识 74 3.5.2 图像边缘特征提取方法 76 3.5.3 中心轮廓距离的傅里叶描述子 86 3.6 图像角点 88 3.6.1 Haar特征 89 3.6.2 Harris角点 92 3.7 实际应用 96 3.7.1 植物叶片图像识别 96 3.7.2 基于不变矩的掌纹识别 98 第4章 聚类分析 99 4.1 聚类算法概述 99 4.1.1 聚类的数学基础 99 4.1.2 聚类算法的标准 103 4.2 聚类算法分类 104 4.3 Kmeans聚类 108 4.4 DBSCAN密度聚类 111 4.5 模糊聚类 113 4.6 模糊C均值聚类 115 4.7 MATLAB聚类函数介绍 117 4.8 实际应用 122 第5章 图像分割 124 5.1 图像分割方法概述 124 5.2 基于区域的图像分割方法 127 5.2.1 阈值分割法 128 5.2.2 区域生长、分裂合并的图像分割方法 129 5.2.3 基于阈值的灰度图像分割方法 133 5.3 基于边缘检测的图像分割方法 149 5.4 基于改进的主动轮廓模型的图像分割方法 153 5.5 结合其他理论的图像分割方法 157 5.6 基于图像分割的运动目标检测 165 5.6.1 背景差分法 165 5.6.2 帧间差分法 167 5.6.3 光流场法 168 5.7 基于图论的图像分割方法 169 5.8 实际应用 174 第6章 特征提取与选择 176 6.1 概述 176 6.2 局部二值模式 176 6.3 方向梯度直方图 195 6.4 金字塔方向梯度直方图 201 6.5 Radon变换和改进的有限Radon变换特征提取 202 6.6 Hough变换特征提取 207 6.7 Gabor变换特征提取 210 6.8 小波变换特征提取 213 6.9 特征选择 219 6.9.1 特征选择基础 220 6.9.2 特征选择方法 224 6.10 应用实例 231 第7章 分类器 234 7.1 分类方法概述 234 7.2 贝叶斯分类方法 236 7.3 *近邻分类和K-*近邻分类 236 7.4 决策树与选择树 238 7.5 支持向量机 239 7.6 神经网络 244 7.7 极限学习机 250 7.8 Softmax分类器 252 7.9 集成分类器 252 7.10 分类器评估方法 257 7.11 MATLAB分类器 258 7.12 MATLAB分类器GUI 261 第8章 图像数据维数约简 266 8.1 概述 266 8.2 因子分析 268 8.3 三个无监督线性维数约简方法 270 8.3.1 主分量分析 270 8.3.2 多维尺度变换法 273 8.3.3 独立分量分析 275 8.4 二分类线性判别分析和*大边缘准则 278 8.5 多类线性判别分析 282 8.6 二维主分量分析与二维线性判别分析 284 8.6.1 二维主分量分析 284 8.6.2 二维线性判别分析 286 8.7 基于遗传规划的多类判别分析 286 8.8 核维数约简方法 290 8.9 关联分析 295 8.9.1 问题描述 295 8.9.2 经典相关分析 295 8.9.3 核经典相关分析 299 8.10 应用 301 参考文献 304