基于区分性字典学习的图像分类的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 名词缩写说明 | 第11-12页 |
| 符号说明 | 第12-13页 |
| 1 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 图像分类技术的发展与研究现状 | 第15-16页 |
| 1.2.2 字典学习的研究现状 | 第16页 |
| 1.2.3 字典学习在图像分类上的应用 | 第16-17页 |
| 1.3 本文的主要工作及组织结构 | 第17-19页 |
| 1.3.1 主要工作 | 第17-18页 |
| 1.3.2 结构安排 | 第18-19页 |
| 2 稀疏表示与字典学习方法 | 第19-30页 |
| 2.1 稀疏表示理论 | 第19-26页 |
| 2.1.1 稀疏表示的数学模型 | 第20-24页 |
| 2.1.2 稀疏表示的应用 | 第24-26页 |
| 2.2 字典学习算法 | 第26-29页 |
| 2.2.1 概率方法 | 第26-28页 |
| 2.2.2 基于聚类的方法 | 第28页 |
| 2.2.3 特殊结构字典的学习 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 字典学习算法的设计 | 第30-40页 |
| 3.1 字典学习模型 | 第30-32页 |
| 3.1.1 用于重构的字典学习 | 第30-31页 |
| 3.1.2 用于分类的字典学习模型 | 第31-32页 |
| 3.2 字典学习算法的设计 | 第32-38页 |
| 3.2.1 算法思想 | 第32-34页 |
| 3.2.2 正则项的设计 | 第34-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 字典学习优化算法的设计 | 第40-48页 |
| 4.1 模型优化算法 | 第40-46页 |
| 4.1.1 更新系数矩阵C | 第40-42页 |
| 4.1.2 更新系数矩阵S | 第42-44页 |
| 4.1.3 更新字典D | 第44-46页 |
| 4.2 分类方案的设计 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 实验与性能分析 | 第48-63页 |
| 5.1 人脸识别任务 | 第49-53页 |
| 5.1.1 扩展的耶鲁B数据集 | 第49-51页 |
| 5.1.2 AR人脸数据集 | 第51-53页 |
| 5.2 物体图像识别 | 第53-56页 |
| 5.3 高光谱图像分类 | 第56-60页 |
| 5.4 场景图像分类 | 第60-61页 |
| 5.5 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 研究总结 | 第63-64页 |
| 6.2 对研究课题的展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
