| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·图像分类背景概述 | 第7页 |
| ·图像分类的应用 | 第7-8页 |
| ·图像分类国内外研究现状 | 第8-9页 |
| ·本文主要工作概述 | 第9-11页 |
| ·本文的内容章节安排 | 第11-12页 |
| 2 稀疏编码和非负稀疏编码算法及其在图像分类方面的应用 | 第12-29页 |
| ·图像分类中常用的BoW模型和SPM模型 | 第12-22页 |
| ·SIFT特征提取算法 | 第12-17页 |
| ·生成视觉词典 | 第17-18页 |
| ·训练分类器 | 第18-22页 |
| ·稀疏编码理论 | 第22-25页 |
| ·非负稀疏编码理论 | 第25-27页 |
| ·基于稀疏编码和非负稀疏编码的图像分类 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 拉普拉斯非负稀疏编码 | 第29-37页 |
| ·局部保持投影 | 第29-30页 |
| ·局部保持投影原理 | 第29页 |
| ·局部保持投影算法 | 第29-30页 |
| ·拉普拉斯矩阵的构造 | 第30-32页 |
| ·传统的相似性度量方法 | 第30-31页 |
| ·基于直方图的相似性矩阵的构造 | 第31-32页 |
| ·拉普拉斯非负稀疏编码算法 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 4 超图拉普拉斯非负稀疏编码 | 第37-41页 |
| ·超图 | 第37-38页 |
| ·超图相关概念 | 第38页 |
| ·超图拉普拉斯非负稀疏编码理论 | 第38-39页 |
| ·超图拉普拉斯非负稀疏编码和拉普拉斯非负稀疏编码的关系 | 第39页 |
| ·超边的构造 | 第39页 |
| ·本章小结 | 第39-41页 |
| 5 实验结果与分析 | 第41-51页 |
| ·算法复杂度分析 | 第41页 |
| ·实验参数设置 | 第41-42页 |
| ·CALTECH-101图像数据库 | 第42-44页 |
| ·Caltech-101图像数据库介绍 | 第42-43页 |
| ·Caltech-101图像数据库实验结果与分析 | 第43-44页 |
| ·SCENE-15图像数据库 | 第44-46页 |
| ·Scene-15图像数据库 | 第44-45页 |
| ·Scene-15图像数据库实验结果与分析 | 第45-46页 |
| ·CALTECH-256图像数据库 | 第46-48页 |
| ·Caltech-256图像数据库 | 第46-47页 |
| ·Caltech-256图像数据库实验结果与分析 | 第47-48页 |
| ·UIUC-SPORT图像数据库 | 第48-50页 |
| ·UIUC-Sport图像数据库 | 第48页 |
| ·UIUC-Sport图像数据库实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |