基于子空间学习的视频分类及图像色彩重建问题研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 相关的研究现状 | 第8-10页 |
| 1.3 论文的主要内容和结构 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 子空间学习的理论基础 | 第12-18页 |
| 2.1 稀疏表示模型 | 第12-15页 |
| 2.1.1 稀疏表示模型的基础知识 | 第12-13页 |
| 2.1.2 稀疏表示模型的求解 | 第13-15页 |
| 2.2 低秩表示模型(LRR) | 第15-17页 |
| 2.2.1 低秩表示模型的基础知识 | 第15-17页 |
| 2.2.2 优化模型(ADMM) | 第17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于时空低秩表示的视频分类方法 | 第18-26页 |
| 3.1 问题提出 | 第18页 |
| 3.2 时空低秩表示模型 | 第18-20页 |
| 3.3 数值算法 | 第20-22页 |
| 3.4 实验 | 第22-25页 |
| 3.4.1 HONDA数据库的实验 | 第22-24页 |
| 3.4.2 YaleB数据库的实验 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第四章 基于加权稀疏匹配的图像色彩重建方法 | 第26-37页 |
| 4.1 问题提出 | 第26-29页 |
| 4.1.1 图像色彩重建 | 第26-27页 |
| 4.1.2 颜色空间分类 | 第27-28页 |
| 4.1.3 相关工作 | 第28-29页 |
| 4.2 基于加权稀疏匹配的图像色彩重建算法 | 第29-34页 |
| 4.2.1 特征提取 | 第29-31页 |
| 4.2.2 基于加权稀疏匹配的色彩重建 | 第31-33页 |
| 4.2.3 通过亮度引导滤波器的色彩传播 | 第33-34页 |
| 4.3 实验分析与比较 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 总结及展望 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 攻读硕士学位期间发表的论文 | 第41-42页 |
| 致谢 | 第42-43页 |
