图像模式识别--基于XAVIS组态软件

第1章 绪论 1.1 人工智能概述 1.2 数字图像处理与计算机视觉 1.3 模式识别 1.4 图像模式识别 1.5 XAVIS组态软件 第2章 数字图像特征提取 2.1 概述 2.2 图像的边缘特征提取 2.3 图像的边界链码表示 2.4 图像的颜色特征 2.5 图像的几何特征 2.6 图像的区域描述 2.7 图像的纹理特征 2.8 XAVIS图像特征提取实例 第3章 数字图像局部特征分析 3.1 概述 3.2 基于灰度相关的图像匹配 3.3 LoG与DoH特征 3.4 SIFT特征及应用 3.5 HOG特征及应用 3.6 SURF特征及应用 3.7 Harr特征及应用 3.8 LBP特征及应用 3.9 XAVIS图像局部特征提取及应用 第4章 图像模式识别常用的降维方法 4.1 降维方法概述 4.2 主成分分析 4.3 二维主成分分析 4.4 核主成分分析 4.5 Gabor变换特征提取 4.6 SVD及其应用 4.7 MDS降维 4.8 Isomap 4.9 基于LLE的图像滤波 4.10 XAVIS基于特征提取的图像融合 第5章 聚类分析理论 5.1 聚类分析概述 5.2 模糊划分聚类法 5.3 层次聚类方法 5.4 K-means聚类 5.5 稀疏子空间聚类 5.6 基于EM算法的图像分割聚类 5.7 XAVIS基于K-means聚类的图像分割实例 第6章 决策树理论 6.1 概述 6.2ID3 算法 6.3 改进决策树算法 6.4 分类回归树CART 6.5 决策树算法的应用