最新章節

• 參考文獻
• 14.8.2 文檔中表格的分析與識別
• 14.8.1 文檔中圖形圖像的表示與處理
• 14.8 圖表處理
• 14.7.4 公式結構表示方法
• 14.7.3 公式結構分析方法

• 參考文獻 更新時間：2019-09-12 18:06:27
• 14.8.2 文檔中表格的分析與識別
• 14.8.1 文檔中圖形圖像的表示與處理
• 14.8 圖表處理
• 14.7.4 公式結構表示方法
• 14.7.3 公式結構分析方法
• 14.7.2 公式結構分析前的字符預處理
• 14.7.1 公式結構分析的難點
• 14.7 公式結構分析與表示
• 14.6.3 公式字符的識別
• 14.6.2 公式字符的分割
• 14.6.1 公式字符的特點
• 14.6 公式字符分割與識別
• 14.5.5 基于漢字拒識的內嵌公式定位和提取
• 14.5.4 基于字符寬度中心矩的公式定位和提取
• 14.5.3 基于Parzen窗的獨立行公式定位和提取
• 14.5.2 基于投影的公式定位和提取
• 14.5.1 印刷體文檔公式的特點
• 14.5 公式的定位與提取
• 14.4.3 印刷體漢字的識別
• 14.4.2 印刷體漢字的特征提取
• 14.4.1 文本區域預處理
• 14.4 印刷體漢字識別
• 14.3.4 版面重構
• 14.3.3 版面理解
• 14.3.2 版面分析方法
• 14.3.1 版面結構
• 14.3 版面分析
• 14.2.4 傾斜校正
• 14.2.3 平滑去噪
• 14.2.2 二值化處理
• 14.2.1 中文印刷體文檔圖像特點
• 14.2 中文印刷體文檔圖像預處理
• 14.1.3 中文印刷體文檔識別中的難點
• 14.1.2 中文印刷體文檔識別結構與流程
• 14.1.1 中文印刷體文檔識別研究現狀
• 14.1 系統概述
• 第14章 中文印刷體文檔識別系統
• 13.5.2 字符模板匹配
• 13.5.1 字符圖像預處理
• 13.5 汽車牌照字符識別
• 13.4.3 字符分割
• 13.4.2 去除邊框
• 13.4.1 汽車牌照二值化
• 13.4 汽車牌照分割
• 13.3.6 汽車牌照提取
• 13.3.5 汽車牌照傾斜校正
• 13.3.4 汽車牌照區域精定位
• 13.3.3 汽車牌照區域粗定位
• 13.3.2 汽車牌照區域識別思路
• 13.3.1 汽車牌照特征
• 13.3 汽車牌照定位
• 13.2 系統結構與流程
• 13.1.3 汽車牌照字符識別
• 13.1.2 汽車牌照字符分割
• 13.1.1 汽車牌照定位
• 13.1 系統概述
• 第13章 彩色汽車牌照識別系統
• 第三篇 拓展篇
• 12.5 運行效果
• 12.4.2 指紋圖像全局比對
• 12.4.1 指紋圖像匹配
• 12.4 編程實現
• 12.3.4 指紋圖像比對算法流程
• 12.3.3 指紋圖像匹配算法流程
• 12.3.2 指紋圖像配準算法流程
• 12.3.1 系統總體結構
• 12.3 系統結構與流程
• 12.2.2 指紋圖像匹配
• 12.2.1 指紋圖像“柔性”配準
• 12.2 核心技術原理
• 12.1 系統介紹
• 第12章 指紋圖像比對系統
• 11.5 運行效果
• 11.4.4 指紋圖像偽特征點去除
• 11.4.3 指紋圖像奇異點提取
• 11.4.2 指紋圖像叉點提取
• 11.4.1 指紋圖像端點提取
• 11.4 編程實現
• 11.3.4 去除偽指紋特征點算法流程
• 11.3.3 指紋特征奇異點提取算法流程
• 11.3.2 指紋特征端點、叉點的提取算法流程
• 11.3.1 系統總體結構
• 11.3 系統結構與流程
• 11.2.3 指紋偽特征點及其去除方法
• 11.2.2 指紋特征點的提取
• 11.2.1 指紋特征定義及分類
• 11.2 核心技術原理
• 11.1 系統介紹
• 第11章 指紋圖像特征提取系統
• 10.5 運行效果
• 10.4.8 指紋圖像的骨架細化
• 10.4.7 指紋圖像的智能二值化
• 10.4.6 指紋圖像的智能增強
• 10.4.5 指紋圖像的平滑
• 10.4.4 指紋圖像的收斂
• 10.4.3 指紋圖像的均衡
• 10.4.2 指紋圖像的分割
• 10.4.1 指紋圖像方向場計算
• 10.4 編程實現
• 10.3.9 指紋圖像的骨架細化算法流程
• 10.3.8 指紋圖像的骨架提取準備算法流程
• 10.3.7 指紋圖像的智能增強算法流程
• 10.3.6 指紋圖像的平滑算法流程
• 10.3.5 指紋圖像的收斂算法流程
• 10.3.4 指紋圖像的均衡算法流程
• 10.3.3 指紋圖像的分割算法流程
• 10.3.2 指紋圖像方向場計算算法流程
• 10.3.1 系統總體結構
• 10.3 系統結構與流程
• 10.2.8 指紋圖像骨架的細化提取
• 10.2.7 指紋圖像骨架的提取準備
• 10.2.6 指紋圖像的智能增強
• 10.2.5 指紋圖像的平滑
• 10.2.4 指紋圖像的收斂
• 10.2.3 指紋圖像的均衡
• 10.2.2 指紋圖像的分割
• 10.2.1 指紋圖像場及其計算
• 10.2 核心技術原理
• 10.1 系統介紹
• 第10章 指紋識別的預處理
• 9.5 運行效果
• 9.4.3 手寫體數字識別
• 9.4.2 手寫體數字網格特征
• 9.4.1 手寫體數字圖像校正
• 9.4 編程實現
• 9.3.4 手寫體數字識別
• 9.3.3 手寫體數字網格特征
• 9.3.2 手寫體數字圖像校正
• 9.3.1 系統總體結構
• 9.3 系統結構與流程
• 9.2.3 手寫體數字識別
• 9.2.2 手寫體數字網格特征
• 9.2.1 手寫體數字圖像校正
• 9.2 核心技術原理
• 9.1 系統介紹
• 第9章 手寫體數字識別系統
• 8.5.2 實驗結果及分析
• 8.5.1 系統操作步驟
• 8.5 運行效果
• 8.4.3 分類器訓練
• 8.4.2 特征提取
• 8.4.1 分段線性拉伸
• 8.4 編程實現
• 8.3.4 BP神經網絡算法流程
• 8.3.3 灰度共生矩陣算法流程
• 8.3.2 分段線性拉伸算法流程
• 8.3.1 系統總體結構
• 8.3 系統結構與流程
• 8.2.4 腦部CT圖像分類與輔助診斷
• 8.2.3 醫學CT圖像特征提取
• 8.2.2 腦部CT圖像預處理——分段線性拉伸
• 8.2.1 腦部CT圖像特點分析
• 8.2 核心技術原理
• 8.1 系統介紹
• 第8章 腦部CT圖像輔助診斷系統
• 7.5 運行效果
• 7.4.2 車牌定位
• 7.4.1 圖像預處理
• 7.4 編程實現
• 7.3.7 車牌定位算法流程
• 7.3.6 圖像小顆粒去噪算法流程
• 7.3.5 圖像二值化算法流程
• 7.3.4 圖像平滑算法流程
• 7.3.3 直方圖均衡化算法流程
• 7.3.2 圖像灰度化算法流程
• 7.3.1 系統總體結構
• 7.3 系統結構與流程
• 7.2.2 車牌定位
• 7.2.1 車牌圖像預處理
• 7.2 核心技術原理
• 7.1 系統介紹
• 第7章 灰度車牌定位系統
• 6.5 運行效果
• 6.4.5 嘴部定位
• 6.4.4 鼻子定位
• 6.4.3 眼睛定位
• 6.4.2 人臉內輪廓提取
• 6.4.1 人臉位置定位
• 6.4 編程實現
• 6.3.6 嘴部定位
• 6.3.5 鼻子定位
• 6.3.4 眼睛定位
• 6.3.3 人臉內輪廓提取
• 6.3.2 人臉定位
• 6.3.1 系統總體結構
• 6.3 系統結構與流程
• 6.2.4 嘴部識別與定位
• 6.2.3 鼻子識別與定位
• 6.2.2 眼睛識別與定位
• 6.2.1 人臉輪廓提取
• 6.2 核心技術原理
• 6.1 系統介紹
• 第6章 人臉定位系統
• 5.5 運行效果
• 5.4.2 人臉識別與分割
• 5.4.1 人臉膚色相似度比較
• 5.4 編程實現
• 5.3.3 人臉識別與分割算法流程
• 5.3.2 人臉膚色相似度算法流程
• 5.3.1 系統總體結構
• 5.3 系統結構與流程
• 5.2.3 人臉識別與分割
• 5.2.2 人臉膚色相似度計算
• 5.2.1 彩色圖像空間
• 5.2 核心技術原理
• 5.1 系統介紹
• 第5章 人臉檢測系統
• 4.5 運行效果
• 4.4.3 模糊聚類
• 4.4.2 計算模糊距離
• 4.4.1 圖像的標識及特征提取
• 4.4 編程實現
• 4.3.4 模糊聚類算法流程
• 4.3.3 計算模糊距離算法流程
• 4.3.2 圖像標識及特征提取算法流程
• 4.3.1 系統總體結構
• 4.3 系統結構與流程
• 4.2.4 模糊聚類分析
• 4.2.3 模糊理論基本概念
• 4.2.2 模式相似性測量
• 4.2.1 圖像的標識及特征提取
• 4.2 核心技術原理
• 4.1 系統介紹
• 第4章 基于模糊聚類的圖形識別系統
• 3.5 運行效果
• 3.4.2 平均值法
• 3.4.1 二值化算法
• 3.4 編程實現
• 3.3.3 平均值法算法流程
• 3.3.2 二值化算法流程
• 3.3.1 系統總體結構
• 3.3 系統結構與流程
• 3.2.3 譯碼過程——平均值法
• 3.2.2 預處理過程——二值化
• 3.2.1 常用的條形碼編碼規則
• 3.2 核心技術原理
• 3.1 系統介紹
• 第3章 一維條形碼識別系統
• 第二篇 案例篇
• 2.2.5 支持向量機
• 2.2.4 模板匹配
• 2.2.3 決策樹
• 2.2.2 隱馬爾可夫模型
• 2.2.1 人工神經網絡
• 2.2 經典模式識別決策方法及實現
• 2.1.3 模式聚類
• 2.1.2 模式分類
• 2.1.1 特征的提取與選擇
• 2.1 統計模式識別
• 第2章 模式識別實現方法
• 1.3.2 Visual C++數字圖像處理類
• 1.3.1 Visual C++編程方法
• 1.3 Visual C++數字圖像處理類
• 1.2.4 數字圖像模式識別的基本過程
• 1.2.3 模式識別系統的組成
• 1.2.2 模式空間、特征空間和類別空間
• 1.2.1 模式和模式識別的概念
• 1.2 模式識別基本概念
• 1.1.4 數字圖像處理
• 1.1.3 數字圖像文件
• 1.1.2 圖像顯示與存儲
• 1.1.1 數字圖像獲取
• 1.1 數字圖像處理概述
• 第1章 數字圖像模式識別
• 第一篇 基礎篇
• 前言
• 版權信息
• 封面

• 封面
• 版權信息
• 前言
• 第一篇 基礎篇
• 第1章 數字圖像模式識別
• 1.1 數字圖像處理概述
• 1.1.1 數字圖像獲取
• 1.1.2 圖像顯示與存儲
• 1.1.3 數字圖像文件
• 1.1.4 數字圖像處理
• 1.2 模式識別基本概念
• 1.2.1 模式和模式識別的概念
• 1.2.2 模式空間、特征空間和類別空間
• 1.2.3 模式識別系統的組成
• 1.2.4 數字圖像模式識別的基本過程
• 1.3 Visual C++數字圖像處理類
• 1.3.1 Visual C++編程方法
• 1.3.2 Visual C++數字圖像處理類
• 第2章 模式識別實現方法
• 2.1 統計模式識別
• 2.1.1 特征的提取與選擇
• 2.1.2 模式分類
• 2.1.3 模式聚類
• 2.2 經典模式識別決策方法及實現
• 2.2.1 人工神經網絡
• 2.2.2 隱馬爾可夫模型
• 2.2.3 決策樹
• 2.2.4 模板匹配
• 2.2.5 支持向量機
• 第二篇 案例篇
• 第3章 一維條形碼識別系統
• 3.1 系統介紹
• 3.2 核心技術原理
• 3.2.1 常用的條形碼編碼規則
• 3.2.2 預處理過程——二值化
• 3.2.3 譯碼過程——平均值法
• 3.3 系統結構與流程
• 3.3.1 系統總體結構
• 3.3.2 二值化算法流程
• 3.3.3 平均值法算法流程
• 3.4 編程實現
• 3.4.1 二值化算法
• 3.4.2 平均值法
• 3.5 運行效果
• 第4章 基于模糊聚類的圖形識別系統
• 4.1 系統介紹
• 4.2 核心技術原理
• 4.2.1 圖像的標識及特征提取
• 4.2.2 模式相似性測量
• 4.2.3 模糊理論基本概念
• 4.2.4 模糊聚類分析
• 4.3 系統結構與流程
• 4.3.1 系統總體結構
• 4.3.2 圖像標識及特征提取算法流程
• 4.3.3 計算模糊距離算法流程
• 4.3.4 模糊聚類算法流程
• 4.4 編程實現
• 4.4.1 圖像的標識及特征提取
• 4.4.2 計算模糊距離
• 4.4.3 模糊聚類
• 4.5 運行效果
• 第5章 人臉檢測系統
• 5.1 系統介紹
• 5.2 核心技術原理
• 5.2.1 彩色圖像空間
• 5.2.2 人臉膚色相似度計算
• 5.2.3 人臉識別與分割
• 5.3 系統結構與流程
• 5.3.1 系統總體結構
• 5.3.2 人臉膚色相似度算法流程
• 5.3.3 人臉識別與分割算法流程
• 5.4 編程實現
• 5.4.1 人臉膚色相似度比較
• 5.4.2 人臉識別與分割
• 5.5 運行效果
• 第6章 人臉定位系統
• 6.1 系統介紹
• 6.2 核心技術原理
• 6.2.1 人臉輪廓提取
• 6.2.2 眼睛識別與定位
• 6.2.3 鼻子識別與定位
• 6.2.4 嘴部識別與定位
• 6.3 系統結構與流程
• 6.3.1 系統總體結構
• 6.3.2 人臉定位
• 6.3.3 人臉內輪廓提取
• 6.3.4 眼睛定位
• 6.3.5 鼻子定位
• 6.3.6 嘴部定位
• 6.4 編程實現
• 6.4.1 人臉位置定位
• 6.4.2 人臉內輪廓提取
• 6.4.3 眼睛定位
• 6.4.4 鼻子定位
• 6.4.5 嘴部定位
• 6.5 運行效果
• 第7章 灰度車牌定位系統
• 7.1 系統介紹
• 7.2 核心技術原理
• 7.2.1 車牌圖像預處理
• 7.2.2 車牌定位
• 7.3 系統結構與流程
• 7.3.1 系統總體結構
• 7.3.2 圖像灰度化算法流程
• 7.3.3 直方圖均衡化算法流程
• 7.3.4 圖像平滑算法流程
• 7.3.5 圖像二值化算法流程
• 7.3.6 圖像小顆粒去噪算法流程
• 7.3.7 車牌定位算法流程
• 7.4 編程實現
• 7.4.1 圖像預處理
• 7.4.2 車牌定位
• 7.5 運行效果
• 第8章 腦部CT圖像輔助診斷系統
• 8.1 系統介紹
• 8.2 核心技術原理
• 8.2.1 腦部CT圖像特點分析
• 8.2.2 腦部CT圖像預處理——分段線性拉伸
• 8.2.3 醫學CT圖像特征提取
• 8.2.4 腦部CT圖像分類與輔助診斷
• 8.3 系統結構與流程
• 8.3.1 系統總體結構
• 8.3.2 分段線性拉伸算法流程
• 8.3.3 灰度共生矩陣算法流程
• 8.3.4 BP神經網絡算法流程
• 8.4 編程實現
• 8.4.1 分段線性拉伸
• 8.4.2 特征提取
• 8.4.3 分類器訓練
• 8.5 運行效果
• 8.5.1 系統操作步驟
• 8.5.2 實驗結果及分析
• 第9章 手寫體數字識別系統
• 9.1 系統介紹
• 9.2 核心技術原理
• 9.2.1 手寫體數字圖像校正
• 9.2.2 手寫體數字網格特征
• 9.2.3 手寫體數字識別
• 9.3 系統結構與流程
• 9.3.1 系統總體結構
• 9.3.2 手寫體數字圖像校正
• 9.3.3 手寫體數字網格特征
• 9.3.4 手寫體數字識別
• 9.4 編程實現
• 9.4.1 手寫體數字圖像校正
• 9.4.2 手寫體數字網格特征
• 9.4.3 手寫體數字識別
• 9.5 運行效果
• 第10章 指紋識別的預處理
• 10.1 系統介紹
• 10.2 核心技術原理
• 10.2.1 指紋圖像場及其計算
• 10.2.2 指紋圖像的分割
• 10.2.3 指紋圖像的均衡
• 10.2.4 指紋圖像的收斂
• 10.2.5 指紋圖像的平滑
• 10.2.6 指紋圖像的智能增強
• 10.2.7 指紋圖像骨架的提取準備
• 10.2.8 指紋圖像骨架的細化提取
• 10.3 系統結構與流程
• 10.3.1 系統總體結構
• 10.3.2 指紋圖像方向場計算算法流程
• 10.3.3 指紋圖像的分割算法流程
• 10.3.4 指紋圖像的均衡算法流程
• 10.3.5 指紋圖像的收斂算法流程
• 10.3.6 指紋圖像的平滑算法流程
• 10.3.7 指紋圖像的智能增強算法流程
• 10.3.8 指紋圖像的骨架提取準備算法流程
• 10.3.9 指紋圖像的骨架細化算法流程
• 10.4 編程實現
• 10.4.1 指紋圖像方向場計算
• 10.4.2 指紋圖像的分割
• 10.4.3 指紋圖像的均衡
• 10.4.4 指紋圖像的收斂
• 10.4.5 指紋圖像的平滑
• 10.4.6 指紋圖像的智能增強
• 10.4.7 指紋圖像的智能二值化
• 10.4.8 指紋圖像的骨架細化
• 10.5 運行效果
• 第11章 指紋圖像特征提取系統
• 11.1 系統介紹
• 11.2 核心技術原理
• 11.2.1 指紋特征定義及分類
• 11.2.2 指紋特征點的提取
• 11.2.3 指紋偽特征點及其去除方法
• 11.3 系統結構與流程
• 11.3.1 系統總體結構
• 11.3.2 指紋特征端點、叉點的提取算法流程
• 11.3.3 指紋特征奇異點提取算法流程
• 11.3.4 去除偽指紋特征點算法流程
• 11.4 編程實現
• 11.4.1 指紋圖像端點提取
• 11.4.2 指紋圖像叉點提取
• 11.4.3 指紋圖像奇異點提取
• 11.4.4 指紋圖像偽特征點去除
• 11.5 運行效果
• 第12章 指紋圖像比對系統
• 12.1 系統介紹
• 12.2 核心技術原理
• 12.2.1 指紋圖像“柔性”配準
• 12.2.2 指紋圖像匹配
• 12.3 系統結構與流程
• 12.3.1 系統總體結構
• 12.3.2 指紋圖像配準算法流程
• 12.3.3 指紋圖像匹配算法流程
• 12.3.4 指紋圖像比對算法流程
• 12.4 編程實現
• 12.4.1 指紋圖像匹配
• 12.4.2 指紋圖像全局比對
• 12.5 運行效果
• 第三篇 拓展篇
• 第13章 彩色汽車牌照識別系統
• 13.1 系統概述
• 13.1.1 汽車牌照定位
• 13.1.2 汽車牌照字符分割
• 13.1.3 汽車牌照字符識別
• 13.2 系統結構與流程
• 13.3 汽車牌照定位
• 13.3.1 汽車牌照特征
• 13.3.2 汽車牌照區域識別思路
• 13.3.3 汽車牌照區域粗定位
• 13.3.4 汽車牌照區域精定位
• 13.3.5 汽車牌照傾斜校正
• 13.3.6 汽車牌照提取
• 13.4 汽車牌照分割
• 13.4.1 汽車牌照二值化
• 13.4.2 去除邊框
• 13.4.3 字符分割
• 13.5 汽車牌照字符識別
• 13.5.1 字符圖像預處理
• 13.5.2 字符模板匹配
• 第14章 中文印刷體文檔識別系統
• 14.1 系統概述
• 14.1.1 中文印刷體文檔識別研究現狀
• 14.1.2 中文印刷體文檔識別結構與流程
• 14.1.3 中文印刷體文檔識別中的難點
• 14.2 中文印刷體文檔圖像預處理
• 14.2.1 中文印刷體文檔圖像特點
• 14.2.2 二值化處理
• 14.2.3 平滑去噪
• 14.2.4 傾斜校正
• 14.3 版面分析
• 14.3.1 版面結構
• 14.3.2 版面分析方法
• 14.3.3 版面理解
• 14.3.4 版面重構
• 14.4 印刷體漢字識別
• 14.4.1 文本區域預處理
• 14.4.2 印刷體漢字的特征提取
• 14.4.3 印刷體漢字的識別
• 14.5 公式的定位與提取
• 14.5.1 印刷體文檔公式的特點
• 14.5.2 基于投影的公式定位和提取
• 14.5.3 基于Parzen窗的獨立行公式定位和提取
• 14.5.4 基于字符寬度中心矩的公式定位和提取
• 14.5.5 基于漢字拒識的內嵌公式定位和提取
• 14.6 公式字符分割與識別
• 14.6.1 公式字符的特點
• 14.6.2 公式字符的分割
• 14.6.3 公式字符的識別
• 14.7 公式結構分析與表示
• 14.7.1 公式結構分析的難點
• 14.7.2 公式結構分析前的字符預處理
• 14.7.3 公式結構分析方法
• 14.7.4 公式結構表示方法
• 14.8 圖表處理
• 14.8.1 文檔中圖形圖像的表示與處理
• 14.8.2 文檔中表格的分析與識別
• 參考文獻 更新時間：2019-09-12 18:06:27