基于稀疏表示字典学习的图像分类
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像分类的研究现状 | 第10-12页 |
| 1.2.1 稀疏表示字典学习 | 第10-11页 |
| 1.2.2 细粒度图像分类 | 第11-12页 |
| 1.3 论文的主要工作及章节安排 | 第12-15页 |
| 第2章 理论基础 | 第15-27页 |
| 2.1 信号的稀疏表示 | 第15-16页 |
| 2.1.1 完备正交基下信号的稀疏表示 | 第15-16页 |
| 2.1.2 过完备字典下信号的稀疏表示 | 第16页 |
| 2.2 稀疏表示优化算法 | 第16-18页 |
| 2.2.1 贪婪算法 | 第17-18页 |
| 2.2.2 凸松弛算法 | 第18页 |
| 2.3 字典学习模型 | 第18-25页 |
| 2.3.1 K-SVD字典学习 | 第20-21页 |
| 2.3.2 判别性字典学习 | 第21-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于判别性字典对学习的图像分类 | 第27-45页 |
| 3.1 字典对学习 | 第27-28页 |
| 3.2 判别性字典对学习 | 第28-31页 |
| 3.2.1 数据保真项的设计 | 第29页 |
| 3.2.2 字典判别性约束项的设计 | 第29-30页 |
| 3.2.3 系数判别性约束项的设计 | 第30-31页 |
| 3.3 模型求解 | 第31-33页 |
| 3.3.1 系数优化求解 | 第32页 |
| 3.3.2 字典对优化求解 | 第32-33页 |
| 3.4 分类准则 | 第33-34页 |
| 3.4.1 根据重构误差进行分类 | 第33-34页 |
| 3.4.2 根据重构误差和编码误差进行分类 | 第34页 |
| 3.5 实验图像库及参数设置 | 第34-38页 |
| 3.5.1 人脸图像库 | 第35页 |
| 3.5.2 目标图像库 | 第35-37页 |
| 3.5.3 场景图像库 | 第37页 |
| 3.5.4 实验参数设置 | 第37-38页 |
| 3.6 实验结果及分析 | 第38-43页 |
| 3.6.1 DPL模型性能分析 | 第38-40页 |
| 3.6.2 FDPL模型性能分析 | 第40-42页 |
| 3.6.3 稀疏性分析 | 第42-43页 |
| 3.7 本章小结 | 第43-45页 |
| 第4章 基于分层模型的细粒度图像分类 | 第45-59页 |
| 4.1 分层分类 | 第45-46页 |
| 4.2 类别分组 | 第46-47页 |
| 4.2.1 类别表示 | 第46-47页 |
| 4.2.2 类别聚类 | 第47页 |
| 4.3 CSDPL模型及其求解过程 | 第47-51页 |
| 4.3.1 CSDPL模型 | 第48-49页 |
| 4.3.2 模型求解 | 第49-51页 |
| 4.4 分类准则 | 第51-53页 |
| 4.5 实验结果及分析 | 第53-58页 |
| 4.5.1 聚类方法的选取 | 第54-55页 |
| 4.5.2 分类准确率 | 第55-57页 |
| 4.5.3 字典原子对分类准确率的影响 | 第57页 |
| 4.5.4 字典判别性分析 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 完成的工作 | 第59页 |
| 5.2 未来的展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 发表论文和参加科研情况说明 | 第67-69页 |
| 致谢 | 第69-70页 |
