| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外总体研究情况综述 | 第10-13页 |
| 1.2.1 图像的多尺度表达 | 第10-11页 |
| 1.2.2 图像的尺度选择 | 第11-12页 |
| 1.2.3 图像的特征提取 | 第12-13页 |
| 1.3 现有工作遇到的问题 | 第13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 图像表达的最优化尺度 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 什么是图像尺度 | 第15-17页 |
| 2.3 基于局部范围的尺度空间理论 | 第17-19页 |
| 2.3.3 尺度空间表达 | 第17-19页 |
| 2.4 基于全局范围的图像尺度选择理论 | 第19-24页 |
| 2.4.1 基于场景的决定性的全局信息 | 第20页 |
| 2.4.2 基于视觉显著度的理论分析 | 第20-22页 |
| 2.4.3 图像表达中空间的连续性和特征重复性分析 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于低秩表达的图像全局尺度分析 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 图像特征表达 | 第26-28页 |
| 3.2.1 兴趣点检测 | 第27页 |
| 3.2.2 密集采样 | 第27-28页 |
| 3.3 图像全局尺度分析的特征低秩表达 | 第28-34页 |
| 3.3.1 特征子空间聚类 | 第28-30页 |
| 3.3.2 特征的低秩表达 | 第30-31页 |
| 3.3.3 采用低秩表达的原因 | 第31页 |
| 3.3.4 全局特征低秩表达 | 第31-33页 |
| 3.3.5 低秩表达实验分析 | 第33-34页 |
| 3.4 基于增广拉格朗日乘子的优化问题求解 | 第34-38页 |
| 3.4.1 增广拉格朗日乘子算法 | 第34-36页 |
| 3.4.3 图像尺度问题的求解 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 全局尺度分析在图像分类中的应用 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 算法在场景分类中的应用 | 第39-43页 |
| 4.2.1 应用背景 | 第39-40页 |
| 4.2.2 实验数据集 | 第40页 |
| 4.2.3 实验设置 | 第40-41页 |
| 4.2.4 实验结果及分析 | 第41-43页 |
| 4.3 算法在服装类型分类中的应用 | 第43-46页 |
| 4.3.1 应用背景 | 第43页 |
| 4.3.2 实验数据集 | 第43-44页 |
| 4.3.3 实验设置 | 第44页 |
| 4.3.4 实验结果及分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-58页 |
| 致谢 | 第58页 |