《图象识别导论》求取 ⇩

第一章 导引1

1.1 图象识别简介1

1.2 统计图象识别的基本概念及数学知识准备9

1.3 图象识别的几个简单方法15

1.4 几点说明31

参考文献32

第二章 Bayes统计判决34

2.1 引言34

2.2 Bayes统计判决准则38

2.2.1 最小平均损失39

2.2.2 Bayes判决准则41

2.3 Bayes判决的应用46

2.3.1 两类问题在正态分布情况下的研究47

2.3.2 多类问题在正态分布情况下的研究58

2.3.3 统计参数的估计60

2.3.4 农作物分类的例73

2.3.5 正规指数密度分布的研究76

2.4 Neyman-Pearson判决准则85

2.5 损失函数的其他取法97

附录Ⅰ 正态分布的数学期望及协方差矩阵102

附录Ⅱ 正态分布的线性函数103

参考文献106

第三章 统计图象识别的其他方法108

3.1 Fisher判决准则108

3.2 Wald序贯判决准则112

3.3 概率密度函数的估计117

3.3.1 直接估计概率密度函数117

3.3.2 直接逼近概率密度函数130

3.4 图象识别的几个非参数法的介绍149

3.4.1 线性规划法149

3.4.2 选代法158

3.5 聚类分析法简介170

附录 概率密度函数的进一步研究175

参考文献183

第四章 特性提取与特征选择186

4.1 特性提取186

4.2 有限Karhunen-Loéve变换190

4.3 Walsh变换201

4.4 特征选择的F方法204

4.5 发散度Chernoff界限与Bhattacharyya界限214

4.6 后验概率密度函数的Lα距离与最小概率误差的界限226

4.7 树分类器与特征选择234

4.8 Walsh变换进一步论述240

参考文献261

第五章 图象识别的语言结构法264

5.1 语言结构文法识别图象的大意264

5.2 各种描述图象的短语结构文法简介270

5.3 其他描述图象的文法278

5.3.1 程序文法278

5.3.2 各种高维文法的大意280

5.4 剖析算法与误差修正剖析算法介绍287

5.5 基元选择和语法推导300

5.6 一个例子307

参考文献312

第六章 模糊集论及其在图象识别中的应用简介313

6.1 背景与概念313

6.2 模糊集的定义314

6.3 模糊集的运算315

6.4 模糊关系318

6.5 模糊语言和算法323

6.6 利用模糊集论作图象识别的两个例子328

参考文献333