基于稀疏表示的图像分类技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文研究内容及组织结构 | 第13-15页 |
| ·论文主要研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 2 图像分类关键技术 | 第15-27页 |
| ·概述 | 第15页 |
| ·图像的内容描述 | 第15-20页 |
| ·颜色特征 | 第16-17页 |
| ·纹理特征 | 第17页 |
| ·形状特征 | 第17-19页 |
| ·感兴趣区域特征 | 第19-20页 |
| ·分类算法 | 第20-24页 |
| ·图像分类性能评价标准 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 稀疏表示及其在图像处理中的应用 | 第27-37页 |
| ·稀疏表示模型的建立 | 第27-28页 |
| ·稀疏表示求解方法 | 第28-31页 |
| ·稀疏分解 | 第28-30页 |
| ·字典构造 | 第30-31页 |
| ·基于稀疏表示的图像分类 | 第31-33页 |
| ·分类过程 | 第31-32页 |
| ·分类原理 | 第32-33页 |
| ·稀疏表示理论应用 | 第33-35页 |
| ·图像去噪 | 第33页 |
| ·人脸识别 | 第33-34页 |
| ·目标跟踪 | 第34页 |
| ·图像修复 | 第34页 |
| ·压缩感知 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于感兴趣区域与稀疏表示的图像分类 | 第37-53页 |
| ·概述 | 第37-38页 |
| ·感兴趣区域提取 | 第38-42页 |
| ·IT方法 | 第38-39页 |
| ·GB方法 | 第39页 |
| ·FT方法 | 第39-40页 |
| ·SR方法 | 第40-41页 |
| ·HC方法 | 第41-42页 |
| ·RC方法 | 第42页 |
| ·图像分类 | 第42-45页 |
| ·spg_lasso分类方法 | 第42-43页 |
| ·SparseLab_OMP分类方法 | 第43-45页 |
| ·分类过程 | 第45页 |
| ·实验结果与分析 | 第45-52页 |
| ·实验环境与图像库 | 第45-47页 |
| ·感兴趣区域提取 | 第47-48页 |
| ·图像分类 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于Gabor变换与稀疏表示的图像分类 | 第53-61页 |
| ·Gabor变换 | 第53-54页 |
| ·特征提取与分类 | 第54-56页 |
| ·特征描述 | 第54-55页 |
| ·参数选择 | 第55-56页 |
| ·分类过程 | 第56页 |
| ·实验结果分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
