图像模式识别：基于XAVIS组态软件

　　本书在人工智能框架下，以数字图像处理与计算机视觉为应用背景介绍了模式识别的概念、原理、方法和典型应用。全书共11章，内容如下：绪论部分在人工智能的框架下探讨了图像模式识别在智能科学中的重要意义；第二章和第三章介绍了数字图像处理中的像素级图像特征分析方法和图像模式识别中常用的局部特征计算方法；第四章到第十一章分别介绍了图像模式识别中的数据降维方法、聚类方法、决策树分类方法、贝叶斯理论、支持向量机理论、人工神经网络理论、深度学习理论以及运动检测方法。本书理论与实验并重，在阐明图像模式识别基本理论的同时给出了相应的实际应用实验分析。同时，以国产机器视觉组态软件XAVIS为工具，实现了图像模式识别的典型方法。本书可作为大专院校自动化、计算机、电气工程、机电一体化等专业的研究生教材，也适用于从事人工智能、模式识别、数字图像处理、视觉测量、图像检测、视觉控制、视觉机器人等系统的研究、设计和开发的科研与工程技术人员参考。

暂缺《图像模式识别：基于XAVIS组态软件》作者简介

第1章 绪论
1.1 人工智能概述
1.2 数字图像处理与计算机视觉
1.3 模式识别
1.4 图像模式识别
1.5 XAVIS组态软件
第2章 数字图像特征提取
2.1 概述
2.2 图像的边缘特征提取
2.3 图像的边界链码表示
2.4 图像的颜色特征
2.5 图像的几何特征
2.6 图像的区域描述
2.7 图像的纹理特征
2.8 XAVIS图像特征提取实例
第3章 数字图像局部特征分析
3.1 概述
3.2 基于灰度相关的图像匹配
3.3 LoG与DoH特征
3.4 SIFT特征及应用
3.5 HOG特征及应用
3.6 SURF特征及应用
3.7 Harr特征及应用
3.8 LBP特征及应用
3.9 XAVIS图像局部特征提取及应用
第4章 图像模式识别常用的降维方法
4.1 降维方法概述
4.2 主成分分析
4.3 二维主成分分析
4.4 核主成分分析
4.5 Gabor变换特征提取
4.6 SVD及其应用
4.7 MDS降维
4.8 Isomap
4.9 基于LLE的图像滤波
4.10 XAVIS基于特征提取的图像融合
第5章 聚类分析理论
5.1 聚类分析概述
5.2 模糊划分聚类法
5.3 层次聚类方法
5.4 K-means聚类
5.5 稀疏子空间聚类
5.6 基于EM算法的图像分割聚类
5.7 XAVIS基于K-means聚类的图像分割实例
第6章 决策树理论
6.1 概述
6.2ID3 算法
6.3 改进决策树算法
6.4 分类回归树CART
6.5 决策树算法的应用