| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景以及意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·本文的结构安排 | 第8-10页 |
| 第二章 稀疏表示基本理论 | 第10-20页 |
| ·稀疏表示理论的发展历程 | 第10页 |
| ·稀疏表示模型 | 第10-12页 |
| ·稀疏分解方法 | 第12-14页 |
| ·贪婪的追踪算法 | 第12-14页 |
| ·凸松弛算法 | 第14页 |
| ·唯一性与等价性 | 第14-15页 |
| ·唯一性 | 第14-15页 |
| ·等价性 | 第15页 |
| ·字典的构造 | 第15-16页 |
| ·基于解析的字典 | 第15-16页 |
| ·基于学习的字典 | 第16页 |
| ·结构化稀疏表示基本理论 | 第16-20页 |
| 第三章 特征提取算法 | 第20-26页 |
| ·颜色特征 | 第20-23页 |
| ·颜色直方图 | 第20-22页 |
| ·颜色矩 | 第22-23页 |
| ·纹理特征 | 第23-24页 |
| ·金字塔方向梯度直方图 | 第23页 |
| ·灰度共生矩阵 | 第23页 |
| ·Tamura特征 | 第23-24页 |
| ·局部二值模式 | 第24页 |
| ·Gabor特征 | 第24页 |
| ·方向特征 | 第24-26页 |
| ·边缘直方图 | 第25页 |
| ·Hu不变矩 | 第25页 |
| ·傅里叶描述子 | 第25-26页 |
| 第四章 一种基于群稀疏特征选择的图像检索方法 | 第26-41页 |
| ·基于群稀疏特征选择 | 第26-32页 |
| ·获取图像对 | 第26-27页 |
| ·特征提取与选择 | 第27-28页 |
| ·群稀疏逻辑回归框架 | 第28-30页 |
| ·优化算法 | 第30-32页 |
| ·图像检索 | 第32-34页 |
| ·特征提取 | 第33页 |
| ·相似度比较 | 第33-34页 |
| ·实验 | 第34-40页 |
| ·L_(2.1)正则化优势 | 第34-35页 |
| ·SPG与ANSPG性能对比 | 第35-36页 |
| ·距离度量选择 | 第36-37页 |
| ·检索性能比较 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 一种基于核的多任务加权联合群稀疏表示图像检索 | 第41-52页 |
| ·稀疏表示分类算法 | 第41页 |
| ·多任务联合群稀疏检索算法 | 第41-43页 |
| ·多任务加权联合群稀疏表示模型 | 第41-42页 |
| ·确定类别与检索范围 | 第42-43页 |
| ·图像检索 | 第43页 |
| ·核的思想 | 第43-44页 |
| ·核化的多任务联合群稀疏表示检索 | 第44-45页 |
| ·优化算法 | 第45-47页 |
| ·稀疏系数求解 | 第45-46页 |
| ·类系数求解 | 第46-47页 |
| ·实验 | 第47-52页 |
| ·数据库 | 第47页 |
| ·评价标准 | 第47-48页 |
| ·比较算法 | 第48页 |
| ·实验结果 | 第48-52页 |
| 第六章 总结和展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 硕士在读期间所做的研究工作 | 第60-61页 |
| 致谢 | 第61页 |