基于低秩稀疏分解和组间关系的图像分类
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·图像分类的背景和意义 | 第8-9页 |
| ·图像分类的研究现状 | 第9-10页 |
| ·基于词包模型的图像分类典型流程 | 第10-11页 |
| ·稀疏编码和低秩稀疏矩阵分解 | 第11-13页 |
| ·稀疏编码 | 第11-12页 |
| ·低秩稀疏矩阵分解 | 第12-13页 |
| ·本文的主要工作和章节安排 | 第13-15页 |
| ·论文的主要工作 | 第13页 |
| ·论文的章节安排 | 第13-15页 |
| 2 稀疏编码和低秩稀疏矩阵分解理论 | 第15-28页 |
| ·稀疏表达理论 | 第15-22页 |
| ·稀疏表达的数学基础 | 第15-17页 |
| ·稀疏编码优化算法 | 第17页 |
| ·稀疏编码的改进算法 | 第17-22页 |
| ·组稀疏编码 | 第22-25页 |
| ·低秩稀疏分解 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 组编码的分组和基于低秩稀疏矩阵分解的图像分类 | 第28-43页 |
| ·引言 | 第28页 |
| ·特征提取 | 第28-29页 |
| ·组编码的分组问题 | 第29-31页 |
| ·局部特征的低秩稀疏分解 | 第31-32页 |
| ·字典学习 | 第32-34页 |
| ·空间金字塔匹配 | 第34-35页 |
| ·SVM分类 | 第35-36页 |
| ·实验结果和分析 | 第36-42页 |
| ·参数设置 | 第36页 |
| ·Caltech-101图像库实验结果 | 第36-37页 |
| ·UIUC-Sport图像库实验结果 | 第37-39页 |
| ·Scene 15图像库实验结果 | 第39-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 考虑组间关系的组编码 | 第43-53页 |
| ·引言 | 第43页 |
| ·局部描述子的拉普拉斯稀疏编码 | 第43-46页 |
| ·考虑组间关系的组编码 | 第46-48页 |
| ·目标函数 | 第46-47页 |
| ·字典学习 | 第47-48页 |
| ·实验结果和分析 | 第48-52页 |
| ·Caltech-101图像库实验结果 | 第48-49页 |
| ·UIUC-Sport图像库实验结果 | 第49-50页 |
| ·Scene 15图像库实验结果 | 第50页 |
| ·实验分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
