| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题的意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文研究的主要内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 稀疏表示的研究现状及其应用 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 稀疏表示理论 | 第19-21页 |
| 2.2.1 局部约束线性编码 | 第20页 |
| 2.2.2 局部约束组稀疏表示 | 第20-21页 |
| 2.3 稀疏字典学习 | 第21-23页 |
| 2.3.1 K-SVD稀疏表示 | 第22页 |
| 2.3.2 局部敏感字典学习 | 第22-23页 |
| 2.3.3 Fisher判别字典学习 | 第23页 |
| 2.4 视频语义分析研究中稀疏表示的应用现状 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于局部敏感可鉴别组稀疏的视频语义分析 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 基于局部敏感可鉴别的稀疏字典学习 | 第25-26页 |
| 3.3 基于局部敏感组稀疏的稀疏字典学习 | 第26页 |
| 3.4 局部敏感可鉴别组稀疏表示方法 | 第26-30页 |
| 3.4.1 基于局部敏感可鉴别组稀疏的字典学习 | 第26-29页 |
| 3.4.2 基于局部敏感可鉴别组稀疏的稀疏表示分类 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-40页 |
| 3.5.1 视频预处理 | 第30-31页 |
| 3.5.2 基于优酷交通视频数据集的实验结果分析与比较 | 第31-34页 |
| 3.5.3 基于TRECVID 2012 视频数据集的实验结果分析与比较 | 第34-37页 |
| 3.5.4 基于OV视频数据集的实验结果分析与比较 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于自适应局部敏感可鉴别组稀疏的视频语义分析 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 基于自适应局部敏感的稀疏表示方法 | 第41-42页 |
| 4.3 自适应局部敏感可鉴别组稀疏的字典学习 | 第42-47页 |
| 4.3.1 自适应局部敏感可鉴别组稀疏字典学习算法 | 第42-46页 |
| 4.3.2 自适应局部敏感可鉴别组稀疏的字典学习算法分析 | 第46-47页 |
| 4.4 基于自适应局部敏感可鉴别组稀疏的稀疏表示分类 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-52页 |
| 4.5.1 基于优酷交通视频数据集的实验结果分析与比较 | 第48-50页 |
| 4.5.2 基于TRECVID2012视频数据集的实验结果分析与比较 | 第50-51页 |
| 4.5.3 基于OV视频数据集的实验结果分析与比较 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 视频语义检测原型系统的设计与实现 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 视频预处理技术 | 第53-56页 |
| 5.2.1 关键帧提取 | 第54页 |
| 5.2.2 特征提取 | 第54-56页 |
| 5.2.3 特征融合 | 第56页 |
| 5.3 原型系统的设计概况 | 第56-57页 |
| 5.3.1 系统开发工具 | 第56页 |
| 5.3.2 系统设计思路 | 第56-57页 |
| 5.3.3 系统核心功能模块 | 第57页 |
| 5.4 视频语义分析原型系统实现的简述 | 第57-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 后期工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表的论文 | 第72页 |
