| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 主要符号表 | 第11-13页 |
| 1 绪论 | 第13-27页 |
| ·引言 | 第13页 |
| ·稀疏表示的研究意义 | 第13-14页 |
| ·稀疏表示的理论研究现状 | 第14-16页 |
| ·信号的稀疏表示 | 第14-15页 |
| ·稀疏性的度量 | 第15-16页 |
| ·相关应用的研究现状 | 第16-23页 |
| ·分类器的研究现状 | 第16-18页 |
| ·图像分类的研究现状 | 第18-19页 |
| ·目标跟踪的研究现状 | 第19-23页 |
| ·论文主要创新点及结构安排 | 第23-27页 |
| 2 基于稀疏表示的分类器应用研究 | 第27-51页 |
| ·引言 | 第27页 |
| ·稀疏表示算法原理 | 第27-31页 |
| ·稀疏表示理论的最优解存在性的证明 | 第28页 |
| ·求解稀疏表示的贪婪算法与凸松弛方法 | 第28-31页 |
| ·一种核函数非负稀疏表示分类算法 | 第31-34页 |
| ·非负稀疏编码的原理 | 第31-32页 |
| ·核函数非负稀疏表示分类的原理 | 第32-34页 |
| ·一种结合判别分析的稀疏分类器 | 第34-37页 |
| ·实验与分析 | 第37-48页 |
| ·使用核函数非负稀疏表示分类进行目标跟踪实验 | 第37-41页 |
| ·使用结合判别分析的稀疏分类器进行目标跟踪实验 | 第41-44页 |
| ·使用核函数非负稀疏表示分类器进行人脸识别比较实验 | 第44-48页 |
| ·本章小结 | 第48-51页 |
| 3 基于稀疏表示的场景图像分类应用研究 | 第51-71页 |
| ·引言 | 第51-54页 |
| ·场景图像分类问题描述 | 第54-59页 |
| ·场景图像分类问题的难点 | 第54-58页 |
| ·传统解决方案 | 第58-59页 |
| ·基于多层稀疏分类与多尺度分块旋转扩展的场景图像分类 | 第59-66页 |
| ·分块旋转扩展原理与多层稀疏表示模型的构建 | 第59-63页 |
| ·核函数稀疏分类与算法步骤 | 第63-65页 |
| ·算法结构与流程 | 第65-66页 |
| ·实验结果与分析 | 第66-69页 |
| ·算法性能对比测试 | 第66-67页 |
| ·算法性能分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 4 基于时空约束与标准对冲的稀疏表示目标跟踪算法 | 第71-87页 |
| ·引言 | 第71页 |
| ·目标跟踪问题描述 | 第71-74页 |
| ·卡尔曼滤波与粒子滤波 | 第74-76页 |
| ·目标跟踪算法详解 | 第76-83页 |
| ·算法创新 | 第76-77页 |
| ·时空约束原理 | 第77-80页 |
| ·基的在线更新原理 | 第80-82页 |
| ·稀疏表示分类算法与标准对冲算法 | 第82-83页 |
| ·实验结果与分析 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| 5 基于核函数并行稀疏分类与稀疏分类器网格的合作目标跟踪算法 | 第87-105页 |
| ·引言 | 第87-89页 |
| ·核函数并行稀疏表示分类方法 | 第89-91页 |
| ·字典更新方法 | 第91-92页 |
| ·标准对冲 | 第92-94页 |
| ·稀疏分类器网格 | 第94-96页 |
| ·实验 | 第96-102页 |
| ·性能测试实验 | 第96-98页 |
| ·综合对比实验 | 第98-102页 |
| ·总结 | 第102-105页 |
| 6 总结与展望 | 第105-109页 |
| ·本文工作总结 | 第105-106页 |
| ·后续工作展望 | 第106-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 附录 | 第123-124页 |
| A. 作者攻读期间参与的相关科研项目 | 第123页 |
| B. 作者攻读期间发表的相关科研论文 | 第123-124页 |
| C. 作者攻读期间正在处理的相关科研论文 | 第124页 |
