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

基于稀疏编码的图像检索技术及其应用研究

摘要第3-5页
Abstract第5-7页
第一章 绪论第11-25页
    1.1 研究背景及意义第11页
    1.2 基于内容的图像检索第11-14页
        1.2.1 CBIR技术的研究成果第11-12页
        1.2.2 国内外研究现状第12-14页
    1.3 稀疏编码的研究与应用第14-18页
        1.3.1 稀疏编码的研究背景第14-15页
        1.3.2 稀疏编码的研究与发展过程第15-17页
        1.3.3 过完备字典稀疏编码的研究现状第17-18页
    1.4 图像检索的评价准则第18-19页
    1.5 图像检索的相似度计算第19-20页
    1.6 本文研究的主要内容和结构安排第20-25页
        1.6.1 论文研究的主要内容第21-23页
        1.6.2 论文结构安排第23-25页
第二章 图像的稀疏表示第25-31页
    2.1 稀疏表示模型的数学描述第25-26页
    2.2 图像的稀疏编码第26-28页
        2.2.1 贪婪算法第26-27页
        2.2.2 凸松弛算法第27-28页
    2.3 图像中的流形学习方法第28-29页
    2.4 图像字典学习方法第29-31页
第三章 改进空间金字塔稀疏编码的图像检索第31-41页
    3.1 引言第31-32页
    3.2 相关知识第32-34页
        3.2.1 BOVW模型简介第32-33页
        3.2.2 SPM模型简介第33-34页
    3.3 改进稀疏编码公式第34-35页
        3.3.1 稀疏编码公式第34-35页
        3.3.2 改进稀疏编码公式第35页
        3.3.3 Max pooling函数第35页
    3.4 实验结果第35-39页
        3.4.1 相似度的计算第35-37页
        3.4.2 实验结果分析第37-39页
    3.5 本章小结第39-41页
第四章 子区域视觉短语稀疏编码的图像检索第41-49页
    4.1 引言第41-42页
    4.2 构建视觉短语模型第42-45页
        4.2.1 子区域的分割第42-43页
        4.2.2 构建子区域视觉短语第43-44页
        4.2.3 构建视觉短语模型第44-45页
    4.3 实验结果分析第45-47页
    4.4 本章小结第47-49页
第五章 拉普拉斯稀疏编码的图像检索第49-57页
    5.1 引言第49页
    5.2 基于拉普拉斯映射的稀疏编码第49-53页
        5.2.1 拉普拉斯特征映射(LE)第49-51页
        5.2.2 拉普拉斯稀疏编码公式第51页
        5.2.3 特征符号搜索算法第51-53页
    5.3 基于拉普拉斯稀疏编码的图像检索第53-55页
        5.3.1 相似度矩阵的计算第53页
        5.3.2 图像的最终表示形式第53页
        5.3.3 参数的设定第53页
        5.3.4 实验结果分析第53-55页
    5.4 本章小结第55-57页
第六章n-words模型下Hessian稀疏编码的图像检索第57-69页
    6.1 引言第57页
    6.2 n-words模型的构建第57-59页
        6.2.1 n-words序列的构造第57-58页
        6.2.2 阈值的设置第58-59页
    6.3 Hessian稀疏编码第59-63页
        6.3.1 Hessian特征映射(HE)第59-60页
        6.3.2 Hessian稀疏编码公式第60-61页
        6.3.3 求解最优Hessian编码系数第61-63页
    6.4 实验结果分析第63-68页
        6.4.1 基于n-words模型的图像检索第63-65页
        6.4.2 基于Hessian稀疏编码的图像检索第65-68页
    6.5 本章小结第68-69页
第七章 基于SPD核稀疏编码的图像检索第69-85页
    7.1 引言第69-70页
    7.2 基础理论知识第70-73页
        7.2.1 SPD矩阵的黎曼几何结构第70-71页
        7.2.2 Stein核函数第71-72页
        7.2.3 稀疏编码公式第72-73页
    7.3 SPD流形上的黎曼字典学习和稀疏编码第73-76页
        7.3.1 黎曼字典学习第73-74页
        7.3.2 求解最优编码系数第74-76页
        7.3.3 存在的问题第76页
    7.4 实验结果分析第76-84页
        7.4.1 黎曼字典学习实验结果第76-78页
        7.4.2 SPD流形稀疏编码的图像检索实验结果第78-84页
    7.5 本章小结第84-85页
第八章 总结和展望第85-88页
    8.1 论文工作总结第85-86页
    8.2 论文未来工作展望第86-88页
参考文献第88-101页
附录A第101-102页
致谢第102-103页
攻读博士学位期间发表的学术论文第103-104页

论文共104页,点击 下载论文
上一篇:基于机器学习的文本情感分类研究
下一篇:图像超分辨率重建关键技术研究