| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号及术语说明 | 第11-13页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.1.1 图像分类技术的研究背景 | 第13-15页 |
| 1.1.2 图像分类技术的研究意义 | 第15-16页 |
| 1.2 图像分类技术研究现状 | 第16-22页 |
| 1.3 图像分类技术的问题与挑战 | 第22-25页 |
| 1.4 论文研究内容与结构安排 | 第25-27页 |
| 第二章 基于判别协同表示的图像分类算法 | 第27-49页 |
| 2.1 稀疏表示算法 | 第27-29页 |
| 2.2 协同表示算法 | 第29-33页 |
| 2.3 基于判别协同表示的图像分类算法 | 第33-42页 |
| 2.3.1 基于欧氏距离的系数约束项 | 第34-36页 |
| 2.3.2 基于l_2范数的判别正则化项 | 第36-39页 |
| 2.3.3 判别协同表示分类算法 | 第39-42页 |
| 2.4 实验设计与结果分析 | 第42-48页 |
| 2.4.1 ORL人脸数据库 | 第43-45页 |
| 2.4.2 Extended YaleB人脸数据库 | 第45-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第三章 基于判别系数协同表示的图像分类 | 第49-67页 |
| 3.1 字典学习方法理论概述 | 第49-55页 |
| 3.1.1 字典学习的基本原理 | 第50-52页 |
| 3.1.2 字典学习的解决方法 | 第52-55页 |
| 3.2 K均值奇异值分解算法 | 第55-56页 |
| 3.3 判别系数协同表示分类算法 | 第56-61页 |
| 3.3.1 判别字典学习优化 | 第57-60页 |
| 3.3.2 协同表示分类算法优化 | 第60-61页 |
| 3.4 实验设计与结果分析 | 第61-66页 |
| 3.4.1 人脸识别 | 第61-63页 |
| 3.4.2 目标检测 | 第63-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 基于Fisher判别字典学习的图像分类技术 | 第67-83页 |
| 4.1 Fisher判别分析算法简述 | 第67-69页 |
| 4.2 Fisher判别耦合字典学习算法 | 第69-77页 |
| 4.2.1 Fisher判别耦合字典学习算法的数学公式 | 第70-74页 |
| 4.2.2 Fisher判别双字典学习算法优化 | 第74-76页 |
| 4.2.3 分类器使用 | 第76-77页 |
| 4.3 实验设计与结果分析 | 第77-81页 |
| 4.3.1 参数灵敏度 | 第77-79页 |
| 4.3.2 人脸识别 | 第79-80页 |
| 4.3.3 场景分类 | 第80-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第五章 总结与展望 | 第83-87页 |
| 5.1 论文总结 | 第83-84页 |
| 5.2 论文展望 | 第84-87页 |
| 参考文献 | 第87-97页 |
| 致谢 | 第97-99页 |
| 攻读硕士学位期间研究成果 | 第99-100页 |
| 学位论文评阅及答辩情况表 | 第100页 |
