图像识别与项目实践

第1章 图像识别概述 （1）

1.1 图像识别意义 （1）

1.2 图像识别技术 （3）

1.3 手写数字识别 （6）

1.4 邮政编码识别 （8）

1.5 车牌识别简介 （10）

1.6 印刷体汉字识别 （13）

1.7 条形码识别 （16）

1.8 人脸识别 （18）

1.9 虹膜识别 （20）

1.10 指纹识别 （22）

1.11 图像识别系统性能评价 （24）

第2章 图像识别关键技术 （27）

2.1 图像识别开发基本流程 （27）

2.2 图像预处理 （28）

2.2.1 灰度化 （29）

2.2.2 灰度变换 （30）

2.2.3 灰度分布均衡化 （32）

2.2.4 几何变换 （33）

2.2.5 去噪 （34）

2.2.6 锐化 （36）

2.2.7 形态学处理 （38）

2.2.8 细化 （43）

2.2.9 目标物体的轮廓提取 （45）

2.2.10 分割 （48）

2.2.11 基于投影法定位 （51）

2.2.12 测量 （51）

2.3 变换域处理 （53）

2.3.1 傅里叶变换 （54）

2.3.2 Gabor变换 （55）

2.3.3 小波变换 （56）

2.4 特征提取 （59）

2.4.1 基于颜色的特征提取 （60）

2.4.2 基于纹理的特征提取 （60）

2.4.3 基于形状的特征提取 （62）

2.4.4 基于空间关系的特征提取 （63）

2.5 模式识别 （63）

2.5.1 模式识别简介 （63）

2.5.2 模式识别方法 （65）

2.5.3 模板匹配法 （67）

第3章 手写数字识别 （70）

3.1 手写数字图像数据特征分析 （70）

3.2 手写数字识别系统设计 （72）

3.3 特征提取 （73）

3.4 手写数字识别 （77）

第4章 邮政编码识别 （81）

4.1 邮政编码图像数据特征分析 （81）

4.2 邮政编码识别系统设计 （82）

4.3 邮政编码预处理 （83）

4.3.1 去除红色边框 （84）

4.3.2 灰度化与二值化 （87）

4.3.3 基于投影法的编码定位 （89）

4.3.4 数字切割 （90）

4.4 邮政编码样本特征提取与特征库 （96）

4.4.1 邮政编码样本特征提取 （96）

4.4.2 构建邮政编码样本特征库 （97）

4.5 邮政编码识别 （99）

第5章 汽车牌照号码识别 （104）

5.1 汽车牌照图像数据特征分析 （104）

5.2 汽车牌照号码识别系统设计 （105）

5.3 图像预处理 （106）

5.3.1 二值化 （106）

5.3.2 去噪 （111）

5.3.3 车牌定位 （113）

5.3.4 车牌图像标准化 （118）

5.3.5 字符分割 （120）

5.3.6 字符细化 （124）

5.4 车牌号码识别 （128）

第6章 印刷体汉字识别 （141）

6.1 印刷体汉字图像数据特征分析 （141）

6.2 汉字识别系统设计 （142）

6.3 图像预处理 （142）

6.3.1 二值化 （142）

6.3.2 消除噪声 （146）

6.3.3 汉字行切分与字切分 （148）

6.4 特征提取 （155）

6.5 汉字识别 （161）

第7章 一维条形码识别 （167）

7.1 一维条形码图像数据特征分析 （167）

7.2 一维条形码识别系统设计 （170）

7.3 一维条形码图像预处理 （171）

7.3.1 灰度化 （171）

7.3.2 二值化 （173）

7.3.3 图像校正处理 （175）

7.3.4 噪声处理 （178）

7.4 一维条形码识别 （180）

第8章 人脸识别 （189）

8.1 人脸图像数据特征分析 （189）

8.2 人脸识别系统设计 （190）

8.3 人脸图像预处理 （192）

8.3.1 去除背景 （192）

8.3.2 二值化 （194）

8.3.3 噪声消除 （195）

8.4 基于复合多重投影检测的人脸定位 （197）

8.4.1 复合多重投影检测方法 （197）

8.4.2 脸部区域定位 （198）

8.4.3 眼部区域定位 （202）

8.4.4 嘴部区域定位 （208）

8.5 特征提取 （211）

8.6 人脸识别 （226）

第9章 虹膜识别 （229）

9.1 虹膜图像数据特征分析 （229）

9.2 虹膜识别系统设计 （230）

9.3 虹膜定位 （231）

9.3.1 基于感兴趣区域的虹膜快速定位 （232）

9.3.2 虹膜外圆定位 （232）

9.3.3 虹膜内圆定位 （234）

9.4 虹膜区域处理 （238）

9.4.1 提取虹膜区域 （238）

9.4.2 虹膜区域极坐标变换 （240）

9.4.3 虹膜图像规范化 （243）

9.5 虹膜特征提取 （244）

9.5.1 二维Gabor滤波器 （244）

9.5.2 虹膜特征提取 （247）

9.6 虹膜特征降维 （250）

9.7 虹膜识别 （254）

第10章 指纹识别 （262）

10.1 指纹识别图像数据特征分析 （262）

10.2 指纹识别系统设计 （263）

10.3 指纹图像预处理 （264）

10.4 指纹图像Gabor滤波 （272）

10.4.1 Gabor滤波 （272）

10.4.2 指纹图像Gabor滤波方法 （274）

10.5 指纹特征降维 （276）

10.6 指纹识别 （279）

参考文献 （284）

数字图像处理与模式识别的教材以纯学术性为主，十分侧重于理论推导和分析，与实际编程实现和具体工程脱节。而本书综合了作者多年从事数字图像处理和模式识别领域研究的成果，结合实际应用项目，阐述了图像识别的相关知识，介绍了开发实例的实现方法。每个实例都提供了项目开发技术原理、实现流程、算法的实现步骤，将实现技术落实到编程，提供VC++或MATLAB的编程代码。本书是一本有关数字图像处理应用项目开发与实践指导类的教材，主要介绍图像处理应用项目开发的基本流程、图像识别处理应用项目关键技术。本书直击当今研究热点，选择有代表性的专题项目，详细介绍了手写数字识别、邮政编码识别、汽车牌照号码识别、印刷体汉字识别、一维条形码识别、人脸识别、虹膜识别、指纹识别八个应用项目的实现方法。同时，针对每一个项目介绍项目的应用及意义，该项目的数据特征分析、识别系统设计、图像预处理技术、特征提取技术，以及识别方法等。书中实例程序的框架结构简单，代码简洁，读者可在数字图像处理技术的基础上进一步深化学习内容，提高实践应用能力和项目开发能力。【作者简介】杨淑莹，天津理工大学计算机系教授，天津大学电子信息学院博士，发表相关的论文近20篇，其中四篇被EI检索。出版的多本著作被清华大学等多所大学选为研究生或本科生教材。出版方向：计算机视觉，模式识别，图像处理及应用，计算机控制和机器人视觉控制。