圖像模式識別：基于XAVIS組態(tài)軟件

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
1.3 模式識別
1.4 圖像模式識別
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 聚類分析理論
5.1 聚類分析概述
5.2 模糊劃分聚類法
5.3 層次聚類方法
5.4 K-means聚類
5.5 稀疏子空間聚類
5.6 基于EM算法的圖像分割聚類
5.7 XAVIS基于K-means聚類的圖像分割實(shí)例
第6章 決策樹理論
6.1 概述
6.2ID3 算法
6.3 改進(jìn)決策樹算法
6.4 分類回歸樹CART
6.5 決策樹算法的應(yīng)用