| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·图像检索的研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11页 |
| ·本文的结构安排 | 第11-13页 |
| 第2章 信号与图像的稀疏分解 | 第13-31页 |
| ·信号的表示 | 第13-15页 |
| ·信号的稀疏表示与稀疏分解 | 第15-19页 |
| ·基于匹配追踪(MP)的信号稀疏分解 | 第16-17页 |
| ·MP算法的实现方法及复杂性分析 | 第17-19页 |
| ·基于BP的信号稀疏分解 | 第19页 |
| ·图像的稀疏表示与稀疏分解 | 第19-20页 |
| ·在低维空间实现的图像的MP稀疏分解 | 第20-21页 |
| ·基于差分进化算法(DE)的图像MP稀疏分解 | 第21-30页 |
| ·微分进化(differential evolution,DE)的基本概念 | 第21-25页 |
| ·利用微分进化算法寻找最佳原子的实现 | 第25-26页 |
| ·图像稀疏分解的仿真实验 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于稀疏表示的分类器 | 第31-41页 |
| ·基于稀疏表示的图像分类器设计 | 第31-36页 |
| ·样本图像在训练图集上的线性表示 | 第31-33页 |
| ·利用稀疏分解算法求解图像的线性表示 | 第33页 |
| ·基于稀疏表示的图像分类器(SRC) | 第33-34页 |
| ·基于稀疏表示的有效性判断 | 第34-36页 |
| ·分类器设计中的两个重要问题 | 第36-40页 |
| ·特征提取的重要性讨论 | 第36-37页 |
| ·分类器鲁棒性的讨论 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于稀疏表示的图像检索 | 第41-49页 |
| ·基于稀疏表示的单样本图像检索 | 第41-46页 |
| ·基于单样本SRC的图像检索 | 第41-42页 |
| ·单样本图像扩展 | 第42-46页 |
| ·基于稀疏表示的逐类图像检索 | 第46页 |
| ·基于内容特征和稀疏分解的逐类检索 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 仿真实验 | 第49-61页 |
| ·系统的开发环境 | 第49页 |
| ·总体框架的设计 | 第49-51页 |
| ·实验图像数据库 | 第51页 |
| ·实验的操作流程 | 第51-52页 |
| ·实验结果与分析 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结束语 | 第61-63页 |
| ·论文以完成的工作 | 第61页 |
| ·对今后工作的展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |