在對各型皮爾遜分佈的中心矩與原點矩的研究基礎之上,介紹了針對該分佈的優化擬合方法,得到了各分佈類型的參數並實現了其在工序能力評價中的應用。
利用像素鄰域的三階中心矩,可以提取圖像邊界。
一組新的由低階中心矩構成的仿*不變量驗*了本文推導的正確*。
最大熵密度函數以z的期望和高階中心矩為約束條件加以擬合。
採用標記匹*法實現自動拼接,採用形態學濾波和四階中心矩方法實現不均勻背景圖紙的的消藍,提高了圖紙輸入的效率和質量。
該文擬將計算機視覺中傳統模板匹*法與對場景物體的中心矩描述方法相結合,提出了一種效率較高的匹配算法。
次序統計量的矩有原點矩和中心矩,主要是期望、方差和協方差。
3方差的*定義是隨機變量的二次中心矩,與期望值之差的平方的加權平均值。
提出用分塊的方法分別計算各塊的面積和中心矩,從而提高簡譜的識別率。