基于压缩感知的图像分类算法
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 计算机视觉 | 第13-15页 |
| 1.2.2 图像分类算法 | 第15-17页 |
| 1.2.3 压缩感知 | 第17-18页 |
| 1.2.4 基于压缩感知的图像分类 | 第18-19页 |
| 1.3 研究内容与章节安排 | 第19-21页 |
| 第2章 理论研究 | 第21-34页 |
| 2.1 压缩感知理论分析 | 第21-25页 |
| 2.1.1 压缩感知概述 | 第21页 |
| 2.1.2 压缩感知的数学表达 | 第21-24页 |
| 2.1.3 压缩感知的信号重构 | 第24-25页 |
| 2.2 图像分类理论分析与研究 | 第25-32页 |
| 2.2.1 图像分类系统的构成 | 第26页 |
| 2.2.2 支持向量机 | 第26-29页 |
| 2.2.3 神经网络 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 基于压缩感知的图片分类算法与实现 | 第34-50页 |
| 3.1 数据介绍与预处理 | 第34-36页 |
| 3.2 基于压缩感知的图片分类算法设计与分析 | 第36-45页 |
| 3.2.1 稀疏表达 | 第36-40页 |
| 3.2.2 将压缩感知应用于图像分类的理论分析 | 第40-41页 |
| 3.2.3 感知矩阵的选取与压缩的过程 | 第41-45页 |
| 3.3 分类模型的建立与训练 | 第45-46页 |
| 3.4 仿真结果分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于压缩感知的步态识别系统 | 第50-59页 |
| 4.1 引言 | 第50页 |
| 4.2 数据采集 | 第50-53页 |
| 4.3 卷积神经网络的建立 | 第53-56页 |
| 4.4 实测结果与分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于压缩感知的多分辨率图像分类 | 第59-64页 |
| 5.1 引言 | 第59页 |
| 5.2 数据构造 | 第59-60页 |
| 5.3 最邻近插值法和双线性插值法 | 第60-61页 |
| 5.4 仿真结果分析 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 | 第70页 |
