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 |