声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 对人脑视觉机理的研究
1.2.2 目标检测与识别算法
1.3 研究内容
第二章 基于局部分布特征学习的小目标检测
2.1 引言
2.2 针对邻域灰度分布的特征学习
2.2.1 小目标特性分析与预处理
2.2.2 小目标A2区域灰度分布特征
2.3 分类器设计
2.3.1 加权逻辑斯蒂回归
2.3.2 相关向量机
2.4 检测算法流程
2.4.1 局部极大值检测
2.4.2 预处理与特征提取
2.4.3 逻辑斯蒂回归分类
2.4.4 RVM分类
2.5 实验结果分析
2.6 小结
第三章 目标相关显著性的对地车辆检测
3.1 引言
3.2 研究现状
3.2.1 目标识别中的无监督学习
3.2.2 显著性检测
3.3 算法设计思路
3.4 算法流程
3.4.1 面片特征学习
3.4.2 显著性检测
3.4.3 特征表示
3.5 实验结果分析
3.6 小结
第四章 采用稀疏在线学习的目标归类
4.1 引言
4.2 过完备局部特征表示与过完备空间模板
4.3 线性分类器与特征选择
4.4 稀疏化在线学习算法
4.4.1 AROW算法简介
4.4.2 稀疏贝叶斯学习简介
4.4.3 AROW与SBL的结合
4.4.4 实验结果
4.5 用视觉归类方法进行金融时间序列预测
4.6 小结
第五章 基于层次特征学习的目标归类
5.1 引言
5.2 采用空间位置模板的部件特征学习
5.3 采用匹配核的特征学习
5.3.1 局部特征的空间位置量化
5.3.2 核空间观点下的空间归并
5.3.3 基于匹配核的降维过程
5.3.4 实验结果
5.4 对面片特征的谱聚类分析与层次化特征字典学习
5.4.1 分组特征选择
5.4.2 实验结果
5.5 小结
第六章 结论与展望
6.1 论文研究结论
6.2 展望与思考
参考文献
作者简介
后记