| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第20-34页 |
| 1.1 研究背景和意义 | 第20-23页 |
| 1.2 挑战与问题 | 第23-24页 |
| 1.3 国内外发展现状 | 第24-29页 |
| 1.3.1 图像表示模型 | 第24-28页 |
| 1.3.2 分类模型 | 第28-29页 |
| 1.4 本文的研究出发点与主要研究内容 | 第29-32页 |
| 1.4.1 本文的研究目的 | 第29-31页 |
| 1.4.2 本文的主要研究内容 | 第31-32页 |
| 1.5 本文的组织结构与内容安排 | 第32-34页 |
| 第二章 视觉特征表达与分类模型 | 第34-49页 |
| 2.1 视觉特征提取 | 第34-38页 |
| 2.1.1 颜色特征 | 第34-35页 |
| 2.1.2 SIFT特征 | 第35-38页 |
| 2.2 视觉特征表达 | 第38-44页 |
| 2.2.1 视觉词袋模型 | 第39-42页 |
| 2.2.2 空间金字塔匹配核 | 第42-43页 |
| 2.2.3 基于稀疏编码的空间金字塔匹配核 | 第43-44页 |
| 2.3 分类模型 | 第44-48页 |
| 2.3.1 支持向量机 | 第44-47页 |
| 2.3.2 K-最近邻 | 第47-48页 |
| 2.4 本章小结 | 第48-49页 |
| 第三章 稀疏与低秩表示 | 第49-66页 |
| 3.1 引言 | 第49页 |
| 3.2 稀疏表示理论 | 第49-56页 |
| 3.2.1 稀疏表示模型 | 第49-51页 |
| 3.2.2 稀疏表示模型的求解算法 | 第51-56页 |
| 3.3 字典学习理论 | 第56-59页 |
| 3.3.1 字典学习概述 | 第56-57页 |
| 3.3.2 K-SVD算法 | 第57-59页 |
| 3.4 低秩表示 | 第59-65页 |
| 3.4.1 图像低秩表示理论 | 第59-62页 |
| 3.4.2 秩极小化求解算法 | 第62-65页 |
| 3.5 本章小结 | 第65-66页 |
| 第四章 基于朴素贝叶斯K近邻的快速图像分类算法 | 第66-83页 |
| 4.1 引言 | 第66-68页 |
| 4.2 相关工作 | 第68-69页 |
| 4.3 特征量化与图像-图像距离度量 | 第69-70页 |
| 4.3.1 特征量化 | 第69-70页 |
| 4.3.2 图像-图像距离度量 | 第70页 |
| 4.4 朴素贝叶斯最近邻分类 | 第70-72页 |
| 4.5 朴素贝叶斯K近邻分类 | 第72-73页 |
| 4.6 实验结果与分析 | 第73-81页 |
| 4.6.1 实验设置 | 第73-74页 |
| 4.6.2 Caltech-101图像集的实验结果 | 第74-79页 |
| 4.6.3 Caltech-256图像集的实验结果 | 第79-81页 |
| 4.7 本章小结 | 第81-83页 |
| 第五章 基于低秩稀疏分解与协作表示的图像分类算法 | 第83-98页 |
| 5.1 引言 | 第83-85页 |
| 5.2 相关工作 | 第85-86页 |
| 5.3 稀疏与低秩表示 | 第86-88页 |
| 5.3.1 非负稀疏编码 | 第86页 |
| 5.3.2 结构不一致性低秩稀疏分解 | 第86-87页 |
| 5.3.3 低秩投影矩阵 | 第87-88页 |
| 5.4 基于矩阵低秩分解和协作表示的图像分类算法 | 第88-90页 |
| 5.5 实验结果与分析 | 第90-97页 |
| 5.5.1 实验配置 | 第90-91页 |
| 5.5.2 Scene-15图像集实验结果与分析 | 第91-92页 |
| 5.5.3 Caltech-101图像集实验结果与分析 | 第92-93页 |
| 5.5.4 Caltech-256图像集实验结果与分析 | 第93-94页 |
| 5.5.5 UIUC-Sport图像集实验结果与分析 | 第94-96页 |
| 5.5.6 讨论与分析 | 第96-97页 |
| 5.6 本章小结 | 第97-98页 |
| 第六章 基于多稀疏表示和在线字典学习的域适应图像分类算法 | 第98-115页 |
| 6.1 引言 | 第98-99页 |
| 6.2 相关工作 | 第99-100页 |
| 6.3 基于多稀疏表示和在线字典学习的域适应 | 第100-106页 |
| 6.3.1 域适应 | 第100页 |
| 6.3.2 鲁棒性字典学习 | 第100-102页 |
| 6.3.3 在线字典学习 | 第102-104页 |
| 6.3.4 基于稀疏表示与在线字典学习的域适应分类算法 | 第104-106页 |
| 6.4 实验结果与分析 | 第106-114页 |
| 6.4.1 Office&Caltech数据集实验结果与分析 | 第106-111页 |
| 6.4.2 Caltech-256 & Bing Caltech-256图像集实验结果与分析 | 第111-112页 |
| 6.4.3 讨论与分析 | 第112-114页 |
| 6.5 本章小结 | 第114-115页 |
| 第七章 总结和展望 | 第115-119页 |
| 7.1 本文总结 | 第115-116页 |
| 7.2 研究工作展望 | 第116-119页 |
| 参考文献 | 第119-132页 |
| 攻读博士学位期间的学术活动及成果情况 | 第132页 |
