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

因子分析及其在图像二值化中的应用

摘要第3-5页
ABSTRACT第5-6页
1 绪论第9-15页
    1.1 因子分析法及图像二值化的研究背景与意义第9-10页
    1.2 国内外研究进展第10-12页
        1.2.1 因子分析的国内外研究进展第10-12页
        1.2.2 图像二值化的国内外研究进展第12页
    1.3 本文的主要工作及章节安排第12-15页
2 因子分析第15-41页
    2.1 因子分析模型第15-16页
    2.2 因子分析模型中参数的含义第16-17页
    2.3 因子载荷矩阵的估计第17-39页
        2.3.1 主成分法第17-21页
        2.3.2 迭代主因子法第21-24页
        2.3.3 迭代极大似然估计法第24-29页
        2.3.4 重心法第29-32页
        2.3.5 最小二乘法第32-37页
            (1) 广义最小二乘法第32-35页
            (2) 未加权最小二乘法第35-37页
        2.3.6 Alpha因子法第37-39页
    2.4 本章小结第39-41页
3 因子载荷矩阵估计方法之间的联系及适用条件第41-47页
    3.1 主成分法与迭代主因子法之间的联系第41页
    3.2 主成分法与极大似然估计法的联系第41-42页
    3.3 重心法与迭代主因子法的联系第42-43页
    3.4 迭代主因子法与未加权最小二乘法的联系第43页
    3.5 广义最小二乘法与极大似然估计法的联系第43-45页
    3.6 不同方法的适用条件第45-46页
    3.7 本章小结第46-47页
4 基于因子分析的图像分块二值化方法第47-65页
    4.1 基于矩阵相似度的图像分块二值化第47-50页
    4.2 基于层次聚类的图像分块二值化第50-55页
        4.2.1 图像块和因子载荷的聚类第50-51页
        4.2.2 图像块特征和因子载荷特征的聚类第51-55页
            (1) 图像块特征聚类第51-52页
            (2) 因子载荷矩阵特征聚类第52-55页
    4.3 基于LOGISTIC回归模型的图像二值化第55-60页
        4.3.1 Logistic回归模型第55-56页
        4.3.2 Logistic二值化方法及实验结果第56-60页
    4.4 基于线性模型的图像二值化第60-63页
    4.5 本章小结第63-65页
5 总结与展望第65-67页
    5.1 总结第65页
    5.2 展望第65-67页
致谢第67-69页
参考文献第69-73页
附录第73页

论文共73页,点击 下载论文
上一篇:面向教育数据的校验关键技术研究
下一篇:基于双目视觉的特定运动目标跟踪和实时测距方法研究