基于度量学习的图像分类算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 论文的研究内容与组织结构 | 第13-16页 |
| 第二章 马氏度量学习图像分类方法 | 第16-24页 |
| 2.1 常用距离度量 | 第16-18页 |
| 2.2 马氏度量学习 | 第18-21页 |
| 2.3 常用马氏度量学习图像分类方法 | 第21-23页 |
| 2.3.1 大间距近邻分类的距离度量学习 | 第21-22页 |
| 2.3.2 等价约束下的大规模度量学习 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于椭圆马氏度量学习的图像分类算法 | 第24-40页 |
| 3.1 特征提取 | 第24-27页 |
| 3.1.1 HSV与Lab直方图描述的颜色特征 | 第25-26页 |
| 3.1.2 LBPs描述的纹理特征 | 第26-27页 |
| 3.2 椭圆马氏度量学习 | 第27-32页 |
| 3.2.1 椭圆度量定义 | 第27-28页 |
| 3.2.2 椭圆马氏度量 | 第28-29页 |
| 3.2.3 椭圆马氏度量学习 | 第29-32页 |
| 3.3 模拟实验与分析 | 第32-38页 |
| 3.3.1 图像分类算法的流程 | 第32-33页 |
| 3.3.2 实验结果与分析 | 第33-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于二次判别分析的度量学习图像分类算法 | 第40-54页 |
| 4.1 特征提取 | 第41-43页 |
| 4.2 椭圆度量矩阵 | 第43-45页 |
| 4.3 基于二次判别分析的度量学习 | 第45-47页 |
| 4.4 模拟实验与分析 | 第47-53页 |
| 4.4.1 图像分类算法的流程 | 第47-48页 |
| 4.4.2 实验结果与分析 | 第48-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 硕士期间发表的论文与参加的科研项目 | 第65页 |
