| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 图像分类研究的背景和意义 | 第8-9页 |
| 1.2 图像分类的研究现状 | 第9-11页 |
| 1.3 图像分类存在的问题及不足 | 第11-12页 |
| 1.4 本文主要工作 | 第12-13页 |
| 1.5 本文的结构安排 | 第13-14页 |
| 第二章 稀疏表示及 Lasso 算法 | 第14-18页 |
| 2.1 稀疏表示 | 第14-15页 |
| 2.1.1 稀疏表示的背景 | 第14页 |
| 2.1.2 稀疏表示的重构算法 | 第14-15页 |
| 2.2 Lasso 算法 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于稀疏表示的图像分类技术 | 第18-28页 |
| 3.1 多特征融合与特征的稀疏重构 | 第18页 |
| 3.2 图像分类方法 | 第18-25页 |
| 3.2.1 SVM 图像分类方法 | 第18-23页 |
| 3.2.2 加权 KNN 图像分类方法 | 第23-25页 |
| 3.3 基于稀疏重构的图像分类方法 | 第25-27页 |
| 3.3.1 基于稀疏重构的 SVM 分类方法 | 第25-26页 |
| 3.3.2 基于稀疏重构的加权 KNN 分类方法 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 图像分类原型系统的设计与实现 | 第28-44页 |
| 4.1 面向对象设计技术 | 第28页 |
| 4.2 系统总体设计 | 第28-31页 |
| 4.2.1 原型系统主控程序设计 | 第28页 |
| 4.2.2 稀疏表示子系统设计 | 第28-30页 |
| 4.2.3 SVM 图像分类子系统设计 | 第30页 |
| 4.2.4 加权 KNN 图像分类子系统设计 | 第30-31页 |
| 4.3 核心类的设计 | 第31-38页 |
| 4.3.1 Cimage_classifyDlg 类的设计 | 第31-32页 |
| 4.3.2 lasso_Dlg 类的设计 | 第32-34页 |
| 4.3.3 SVM_CLASSIFY_Dlg 类的设计 | 第34-35页 |
| 4.3.4 KNN_CLASSIFY_Dlg 类的设计 | 第35-36页 |
| 4.3.5 SVM 类的设计 | 第36-38页 |
| 4.4 核心功能的实现 | 第38-43页 |
| 4.4.1 原型系统功能的实现 | 第38页 |
| 4.4.2 稀疏表示子系统功能的实现 | 第38-39页 |
| 4.4.3 SVM 图像分类子系统的实现 | 第39-40页 |
| 4.4.4 加权 KNN 图像分类子系统的实现 | 第40-42页 |
| 4.4.5 SVM 封装类的实现 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 图像分类原型系统结果分析 | 第44-56页 |
| 5.1 图像分类原型系统实现简介 | 第44-50页 |
| 5.1.1 图像分类原型系统主控程序实现简介 | 第44页 |
| 5.1.2 稀疏表示子系统实现简介 | 第44-45页 |
| 5.1.3 SVM 图像分类子系统实现简介 | 第45-47页 |
| 5.1.4 加权 KNN 图像分类子系统实现简介 | 第47-50页 |
| 5.2 实验结果与分析 | 第50-55页 |
| 5.2.1 基于 SVM 的分类结果与分析 | 第51-52页 |
| 5.2.2 基于加权 KNN 的分类结果与分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 后期工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |
| 附录 | 第60-68页 |
