《文字、图形识别技术》求取 ⇩

译者前言1

作者序1

第一章 模板匹配1

1.1 光学模板匹配1

目录1

1.2 采用模拟灰度的电子模板匹配7

1.3 数字灰度10

1.4 取值最大化16

1.5 窥窗模板18

1.6 负权20

2.1 把视觉图形变为电子图形23

2.1.1 尼普柯夫圆盘23

第二章 文字识别前的预处理23

2.1.2 光导摄象管25

2.1.3 飞点扫描装置26

2.1.4 光电管阵27

2.1.5 传真发送器28

2.2 二值化29

2.2.1 阈由对比度确定29

2.2.2 阈由测量笔划宽度来确定31

2.3 对准33

2.3.1 用测量来竖直对准33

2.3.2 用穷举试验来竖直对准35

2.3.3 水平对准和文字分隔38

2.3.4 尺寸和透视的规格化41

2.4.1 平滑化42

2.4 平滑化、边缘检测和细化42

2.4.2 边缘检测45

2.4.3 细化47

第三章 线性技术50

3.1 识别类50

3.2 误差最小的贝叶斯分类器51

3.3 统计独立性53

3.4 高斯分布56

3.5 与规格化平均模板互相关61

3.6 线性判别函数63

3.7 固定增量程序67

3.7.1 两个类的情况67

3.7.2 收敛性的证明70

3.7.3 多类情况下的固定增量程序72

3.7.4 滞区73

3.7.5 边界矩阵74

3.8 图形误差75

3.9 对分方案81

3.9.1 —／多对分81

3.9.1.1 单类参数确定法81

3.9.1.2 多类参数确定法82

3.9.2 —／—对分82

3.9.3 线性可分的机会84

3.9.4 多／多对分85

3.9.4.2 统计选择90

3.9.4.1 理想的τ比特图形组成法90

3.9.4.3 切割平面算法91

3.9.4.4 公共子图形92

3.10 卡伦—莱芙展开式93

第四章 分段线性技术、位势法和随机近似97

4.1 分段线性判别函数97

4.2 直觉确定的子类98

4.3 最近邻域法99

4.4 菲尔沙因和费希勒的方法100

4.5 分段线性固定增量程序103

4.6 位势法104

4.6.1 未知概率分布的近似104

4.6.2 子类位函数106

4.6.3 位函数的多项式近似107

4.6.4 在位势法中的误差校正109

4.7 在图形识别中的随机近似112

第五章 多项式判别和N-数组法116

5.1 最小二乘方近似116

5.1.1 规格化正交展开式116

5.1.2 最小二乘方近似121

5.1.3 随机近似的实现法122

5.2 最大似然n-数组法123

5.3 布莱索—布朗宁法127

5.4 多项式判别函数132

5.4.1 系数由统计方式确定的多项式判别函数132

5.4.2 系数由误差校正程序确定133

5.5 根据一个信息准则作自动选择135

5.6 移位窥窗模板系统141

5.6.1 用于数字式图形141

5.6.2 用于模拟式图形143

第六章 布尔判定和序贯判定145

6.1 布尔函数145

6.2 使用布尔函数的识别系统153

6.2.1 IBM 1418153

6.2.2 小区域窥窗模板156

6.2.3 IBM 1975158

6.3 不完全规定的布尔函数161

6.4.1 引言162

6.4 用数值函数来实现布尔函数162

6.4.2 阈函数163

6.4.3 多项式判别式166

6.4.4 多类情况下的数值判别式167

6.5 非数值序贯识别169

6.5.1 一棵简单的判定树169

6.5.2 程序控制的序贯171

6.5.3 数据控制的序贯176

6.6 判定策略180

6.6.1 序贯概率比试验180

6.6.2 级联判定181

6.6.3 规格化183

7.2.1 通过边缘检测来识别185

7.2 区域特征185

第七章 特征185

7.1 引言185

7.2.2 利用笔划接头和笔划末端的位置的方案189

7.2.2.1 实现手段189

7.2.2.2 讨论194

7.3 图表示法197

7.3.1 引言197

7.3.2 不用属性的表示法199

7.3.3 用属性来表示图201

7.3.4 图中的点对应于单个黑比特205

7.3.5 黑比特和白比特212

7.3.6 同构的一个必要条件217

7.4.1 一个IBM曲线跟踪器系统220

7.4 序贯检测特征220

7.4.1.1 设计原理221

7.4.1.2 实现特征检测器的硬件223

7.4.1.3 讨论226

7.4.2 线跟踪技术229

7.4.3 序贯检测长条中的特征232

7.5 特征的讨论239

7.5.1 子图形类239

7.5.2 否定系统240

7.5.3 非否定系统243

7.5.4 关系系统245

7.5.5 畸变形状的识别247

7.6 交截计数系统251

8.1 上下文257

8.1.1 使用完整词的上下文257

第八章 上下文的、语言的和阵列的方法257

8.1.2 使用n联字的上下文260

8.2 景象分析264

8.2.1 给定物体可能有多种分类法264

8.2.2 形状265

8.2.2.1 不根据形状265

8.2.2.2 可解析描述的形状变化265

8.2.3 景象分段问题265

8.3.1 原生语法268

8.3.1.1 有限状态语法268

8.3 图画句法268

8.3.1.2 上下文无关语法271

8.3.1.3 上下文有关语法273

8.3.1.4 变换276

8.3.2 图形语法277

8.3.2.1 链277

8.3.2.2 二维语法282

8.3.2.3 图语法287

8.3.2.4 语法推断289

8.4 用综合来分析289

8.5 叠代阵列技术292

8.5.1 微单元阵列293

8.5.2 宏单元阵列298

9.1 高阶矩303

第九章 系数分析303

9.2 缝隙扫描技术306

9.2.1 加权过滤器缝隙扫描306

9.2.2 用于特殊字体的缝隙扫描法307

9.3 傅里叶变换313

9.3.1 离散的傅里叶级数313

9.3.2 傅里叶积分318

9.3.3 傅里叶定理319

9.4 用傅里叶光学来识别图形321

9.4.1 用夫琅和费衍射实行傅里叶变换321

9.4.2 识别字的傅里叶变换323

9.4.3 在图形识别中的夫琅和费全息照相术327

9.5.1 二项自相关334

9.5 自相关334

9.5.2 多重自相关337

9.6 语言识别339

9.6.1 引言339

9.6.2 通过识别时-频图形来识别口语单词343

9.6.3 波谱段的独立分类344

9.6.4 交零349

9.6.5 语言的自相关351

9.6.6 语言识别中的分段问题352

第十章 学习359

10.1 不加管理的学习359

10.1.1 二级系统359

10.1.2 完全不加管理的学习361

10.2.1 引言363

10.2 特征的自动确定363

10.2.2 否定系统364

10.2.2.1 选择技术364

10.2.2.2 构造f-类的一种方法365

10.2.3 非否定系统368

10.3 一种关系系统369

10.3.1 图形的畸变369

10.3.2 单重分块374

10.3.3 多重分块：分离的训练集376

10.3.4 多重分块：混合训练集382

10.3.5 训练集385

10.3.6 退化385

10.3.6.1 识别时的退化385

10.3.6.2 在确定Mo时的退化387

10.3.6.3 在确定Mω时的退化388

10.3.7 讨论391

10.3.7.1 n的值391

10.3.7.2 一个语法推断问题391

10.3.7.3 通过穷举试验来规格化391

10.4 学习的迁移395

10.5 联想存储器397

10.6 自动图形识别的科学基础402

10.6.1 设计无自动学习能力的识别系统402

10.6.2 把分类表存储在联想存储器中404

10.6.3 在图形识别中的学习405

参考文献409