| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 稀疏表示研究背景及意义 | 第11-12页 |
| 1.2 稀疏表示研究现状 | 第12-15页 |
| 1.3 论文研究的主要内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 稀疏表示与字典学习 | 第17-25页 |
| 2.1 压缩感知与稀疏表示 | 第17-19页 |
| 2.2 正交匹配追踪算法 | 第19-21页 |
| 2.3 过完备字典学习 | 第21-23页 |
| 2.4 核字典学习 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于L2,1范数原子选择研究 | 第25-33页 |
| 3.1 概述 | 第25-26页 |
| 3.2 基于L2,1范数原子选择的图像重构 | 第26-29页 |
| 3.2.1 基于L2,1范数约束的原子选择方法 | 第26-28页 |
| 3.2.2 基于L2,1范数选择的图像分块正交匹配追踪 | 第28-29页 |
| 3.3 实验结果分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于字典学习的人物视频稀疏表示研究 | 第33-46页 |
| 4.1 概述 | 第33页 |
| 4.2 基于低秩张量和字典学习的人体动作分类 | 第33-39页 |
| 4.2.1 实验框架设计 | 第33-34页 |
| 4.2.2 张量RPCA | 第34-36页 |
| 4.2.3 特征选择模型 | 第36-38页 |
| 4.2.4 确定编码系数 | 第38页 |
| 4.2.5 训练更新字典 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-45页 |
| 4.3.1 合成字典有效性比较 | 第39-40页 |
| 4.3.2 人体动作识别有效性比较 | 第40-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于语义的人物视频稀疏表示研究 | 第46-62页 |
| 5.1 概述 | 第46-47页 |
| 5.2 基于语义字典学习的人体动作识别 | 第47-54页 |
| 5.2.1 实验框架设计 | 第47页 |
| 5.2.2 卷积神经网络 | 第47-49页 |
| 5.2.3 语义过滤器 | 第49-50页 |
| 5.2.4 基于语义过滤器的核字典学习 | 第50-54页 |
| 5.3 实验结果与分析 | 第54-61页 |
| 5.3.1 关键帧提取 | 第55-56页 |
| 5.3.2 语义过滤 | 第56-57页 |
| 5.3.3 核字典性能有效性 | 第57-58页 |
| 5.3.4 人体动作识别有效性比较 | 第58-59页 |
| 5.3.5 有遮挡情况下的识别效果 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文工作 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-77页 |
| 作者简历 | 第77页 |