| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 课题研究背景与意义 | 第17-19页 |
| 1.2 主要研究内容及创新之处 | 第19-21页 |
| 1.3 本文的组织结构 | 第21-23页 |
| 第二章 图像表示与识别中的图理论模型 | 第23-33页 |
| 2.1 图像的结构化表示 | 第23-26页 |
| 2.2 图匹配与图像特征匹配 | 第26-30页 |
| 2.3 基于图理论的图像低维嵌入 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 几何-边随机图及其在图像结构表示中的应用 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 相关工作 | 第34-36页 |
| 3.2.1 几何图与随机几何图 | 第34-35页 |
| 3.2.2 广义边随机图 | 第35-36页 |
| 3.3 几何-边随机图模型与分析 | 第36-42页 |
| 3.3.1 G-E随机图模型构建 | 第36-38页 |
| 3.3.2 G-E随机图的匹配 | 第38-39页 |
| 3.3.3 G-E随机图的谱嵌入 | 第39-42页 |
| 3.4 基于G-E随机图模型的图像表示 | 第42-43页 |
| 3.5 实验结果与分析 | 第43-47页 |
| 3.5.1 图像特征匹配 | 第44-45页 |
| 3.5.2 图像低维嵌入 | 第45-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于l_p范数稀疏约束模型的图匹配算法 | 第49-67页 |
| 4.1 引言 | 第49-51页 |
| 4.2 问题描述 | 第51-52页 |
| 4.3 l_p范数稀疏约束图匹配 | 第52-55页 |
| 4.3.1 一般问题形式 | 第53页 |
| 4.3.2 稀疏约束匹配松弛模型 | 第53-54页 |
| 4.3.3 匹配算法 | 第54-55页 |
| 4.4 稀疏正交性分析 | 第55-58页 |
| 4.4.1 稀疏正交性的度量 | 第56页 |
| 4.4.2 稀疏与正交性的关系 | 第56-58页 |
| 4.5 实验结果与分析 | 第58-66页 |
| 4.5.1 模拟图匹配 | 第59-62页 |
| 4.5.2 序列图像特征匹配 | 第62-63页 |
| 4.5.3 真实场景图像特征匹配 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 基于l_(1,2)范数局部稀疏约束模型的特征匹配算法 | 第67-83页 |
| 5.1 引言 | 第67-68页 |
| 5.2 问题描述与相关工作 | 第68-69页 |
| 5.3 局部稀疏约束匹配 | 第69-73页 |
| 5.3.1 局部稀疏匹配模型 | 第69-70页 |
| 5.3.2 求解算法与理论分析 | 第70-73页 |
| 5.4 局部稀疏性分析 | 第73-76页 |
| 5.5 实验结果与分析 | 第76-81页 |
| 5.5.1 模拟点集匹配 | 第76-78页 |
| 5.5.2 序列图像特征匹配 | 第78-80页 |
| 5.5.3 自然场景图像特征匹配 | 第80-81页 |
| 5.6 本章小结 | 第81-83页 |
| 第六章 图正则化主成分分析及其在图像识别中的应用 | 第83-103页 |
| 6.1 引言 | 第83-85页 |
| 6.2 相关理论 | 第85-87页 |
| 6.2.1 主成分分析 | 第85-86页 |
| 6.2.2 图拉普拉斯嵌入 | 第86-87页 |
| 6.3 图正则化主成分分析模型与算法 | 第87-91页 |
| 6.3.1 gLPCA模型表示 | 第87-88页 |
| 6.3.2 模型求解与分析 | 第88-91页 |
| 6.4 鲁棒图正则化主成分分析模型与算法 | 第91-93页 |
| 6.4.1 RgLPCA模型表示 | 第91页 |
| 6.4.2 模型求解与分析 | 第91-93页 |
| 6.5 实验结果与分析 | 第93-101页 |
| 6.5.1 图像重构与逼近 | 第94-98页 |
| 6.5.2 图像数据嵌入 | 第98页 |
| 6.5.3 数据聚类与分类 | 第98-101页 |
| 6.6 本章小结 | 第101-103页 |
| 第七章 总结与展望 | 第103-105页 |
| 参考文献 | 第105-116页 |
| 攻读博士学位期间发表的学术论文 | 第116-118页 |
| 攻读博士学位期间参加的科研项目 | 第118-119页 |
| 致谢 | 第119页 |