图像低秩特征描述和分类方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 图像分类的研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-12页 |
| 1.2.1 图像分类的研究现状 | 第10-11页 |
| 1.2.2 低秩表示的研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及结构安排 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 全文结构安排 | 第12-13页 |
| 第二章 低秩的基本理论 | 第13-21页 |
| 2.1 压缩感知 | 第13-14页 |
| 2.2 稀疏问题概述 | 第14-15页 |
| 2.3 低秩问题概述 | 第15-19页 |
| 2.3.1 低秩的基本思想 | 第15-17页 |
| 2.3.2 相关定理及性质 | 第17-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 经典的特征提取算法 | 第21-31页 |
| 3.1 主成分分析(PCA)算法 | 第21-23页 |
| 3.2 稀疏表示(SRC)算法 | 第23-24页 |
| 3.3 鲁棒主成分分析(RPCA)算法 | 第24-26页 |
| 3.4 实验结果与分析 | 第26-29页 |
| 3.4.1 ORL数据库 | 第26-28页 |
| 3.4.2 YALEB数据库 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第四章 基于低秩特征描述的图像分类方法 | 第31-41页 |
| 4.1 低秩矩阵恢复(LRR)算法提出的过程 | 第31-32页 |
| 4.2 最优化求解过程 | 第32-35页 |
| 4.3 选择参数 | 第35-36页 |
| 4.4 实验结果与分析 | 第36-39页 |
| 4.4.1 ORL数据库 | 第37页 |
| 4.4.2 YALEB数据库 | 第37-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第五章 基于低秩稀疏恢复的人脸图像分类方法 | 第41-51页 |
| 5.1 低秩稀疏恢复算法的提出 | 第41-42页 |
| 5.2 最优化求解过程 | 第42-44页 |
| 5.3 实验结果与分析 | 第44-50页 |
| 5.3.1 ORL数据库 | 第44-47页 |
| 5.3.1.1 不同算法的图像分类结果 | 第44-45页 |
| 5.3.1.2 含噪图像分类结果 | 第45-47页 |
| 5.3.2 YALEB数据库 | 第47-50页 |
| 5.3.2.1 不同算法的分类结果 | 第47-48页 |
| 5.3.2.2 含噪图像分类结果 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间所取得的相关科研成果 | 第57-59页 |
| 致谢 | 第59页 |
