首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于核独立成分分析的边缘特征表示

摘要第1-6页
Abstract第6-9页
第一章 绪论第9-12页
   ·国内外研究动态第9-10页
   ·本课题的研究目的及内容安排第10-12页
第二章 核独立成分分析第12-24页
   ·主成分分析PCA第12-13页
   ·独立成分分析ICA第13-15页
     ·独立成分分析的基本模型第13-14页
     ·独立成分分析的估计第14-15页
   ·核独立成分分析的基本模型第15-17页
   ·独立成分的相关概念第17-18页
     ·独立成分的约束第17页
     ·不相关性和白化第17页
     ·白化的实现第17-18页
   ·支持向量机的相关理论第18-23页
     ·支持向量机概况第18-19页
     ·支持向量机的构造和最优超平面第19-21页
     ·支持向量机的多分类第21-23页
   ·本章小结第23-24页
第三章 图像预处理与图像特征表示第24-33页
   ·灰度直方图第24-25页
   ·预处理方法第25-28页
     ·直方图均衡化第25-26页
     ·直方图超高斯化第26-28页
   ·KCIA 投影第28-29页
   ·分类器的构造第29页
   ·特征表示与比较第29-30页
   ·主成分分析降维第30-32页
   ·本章小结第32-33页
第四章 其他特征的提取及实验结果第33-48页
   ·小波变换第33-35页
     ·小波变换的概念第33页
     ·数字图像的小波分解第33-35页
   ·距离-角度像素数组第35-39页
   ·灰度共生矩阵第39-41页
   ·HU 矩第41-42页
   ·搜索结果及分析第42-47页
     ·树叶图像的实验第42-45页
     ·多类别物体图像的实验第45-47页
   ·本章小结第47-48页
总结和展望第48-49页
参考文献第49-54页
攻读硕士学位期间取得的研究成果第54-55页
致谢第55-56页
附件第56页

论文共56页,点击 下载论文
上一篇:基于核独立成分分析的图像去噪
下一篇:改进的离散粒子群算法求解0-1背包问题