123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)在人工智能框架下，以數(shù)字圖像處理與計(jì)算機(jī)視覺(jué)為應(yīng)用背景介紹了模式識(shí)別的概念、原理、方法和典型應(yīng)用。全書(shū)共11章，內(nèi)容如下：緒論部分在人工智能的框架下探討了圖像模式識(shí)別在智能科學(xué)中的重要意義；第二章和第三章介紹了數(shù)字圖像處理中的像素級(jí)圖像特征分析方法和圖像模式識(shí)別中常用的局部特征計(jì)算方法；第四章到第十一章分別介紹了圖像模式識(shí)別中的數(shù)據(jù)降維方法、聚類(lèi)方法、決策樹(shù)分類(lèi)方法、貝葉斯理論、支持向量機(jī)理論、人工神經(jīng)網(wǎng)絡(luò)理論、深度學(xué)習(xí)理論以及運(yùn)動(dòng)檢測(cè)方法。本書(shū)理論與實(shí)驗(yàn)并重，在闡明圖像模式識(shí)別基本理論的同時(shí)給出了相應(yīng)的實(shí)際應(yīng)用實(shí)驗(yàn)分析。同時(shí)，以國(guó)產(chǎn)機(jī)器視覺(jué)組態(tài)軟件XAVIS為工具，實(shí)現(xiàn)了圖像模式識(shí)別的典型方法。本書(shū)可作為大專(zhuān)院校自動(dòng)化、計(jì)算機(jī)、電氣工程、機(jī)電一體化等專(zhuān)業(yè)的研究生教材，也適用于從事人工智能、模式識(shí)別、數(shù)字圖像處理、視覺(jué)測(cè)量、圖像檢測(cè)、視覺(jué)控制、視覺(jué)機(jī)器人等系統(tǒng)的研究、設(shè)計(jì)和開(kāi)發(fā)的科研與工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《圖像模式識(shí)別：基于XAVIS組態(tài)軟件》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 人工智能概述
1.2 數(shù)字圖像處理與計(jì)算機(jī)視覺(jué)
1.3 模式識(shí)別
1.4 圖像模式識(shí)別
1.5 XAVIS組態(tài)軟件
第2章數(shù)字圖像特征提取
2.1 概述
2.2 圖像的邊緣特征提取
2.3 圖像的邊界鏈碼表示
2.4 圖像的顏色特征
2.5 圖像的幾何特征
2.6 圖像的區(qū)域描述
2.7 圖像的紋理特征
2.8 XAVIS圖像特征提取實(shí)例
第3章數(shù)字圖像局部特征分析
3.1 概述
3.2 基于灰度相關(guān)的圖像匹配
3.3 LoG與DoH特征
3.4 SIFT特征及應(yīng)用
3.5 HOG特征及應(yīng)用
3.6 SURF特征及應(yīng)用
3.7 Harr特征及應(yīng)用
3.8 LBP特征及應(yīng)用
3.9 XAVIS圖像局部特征提取及應(yīng)用
第4章圖像模式識(shí)別常用的降維方法
4.1 降維方法概述
4.2 主成分分析
4.3 二維主成分分析
4.4 核主成分分析
4.5 Gabor變換特征提取
4.6 SVD及其應(yīng)用
4.7 MDS降維
4.8 Isomap
4.9 基于LLE的圖像濾波
4.10 XAVIS基于特征提取的圖像融合
第5章聚類(lèi)分析理論
5.1 聚類(lèi)分析概述
5.2 模糊劃分聚類(lèi)法
5.3 層次聚類(lèi)方法
5.4 K-means聚類(lèi)
5.5 稀疏子空間聚類(lèi)
5.6 基于EM算法的圖像分割聚類(lèi)
5.7 XAVIS基于K-means聚類(lèi)的圖像分割實(shí)例
第6章決策樹(shù)理論
6.1 概述
6.2ID3 算法
6.3 改進(jìn)決策樹(shù)算法
6.4 分類(lèi)回歸樹(shù)CART
6.5 決策樹(shù)算法的應(yīng)用