声明
第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文主要研究工作
1.4 论文主要结构
1.5 本章小结
第二章 相关理论知识基础
2.1 图像分类模型
2.1.1 图像特征提取
2.1.2 图像特征表示
2.1.3 分类函数训练
2.2 压缩感知框架
2.2.1 稀疏表示
2.2.2 设计测量矩阵
2.2.3 稀疏信号重构算法
2.3 本章小结
第三章 压缩感知测量矩阵与稀疏字典交替优化
3.1 引言
3.2 BRLS初始字典训练
3.3 测量矩阵和稀疏字典的交替优化
3.3.1 基于先验E的测量矩阵求解
3.3.2 交替优化
3.4 试验结果与分析
3.4.1 评价指标
3.4.2 实验仿真
3.5 本章小结
第四章 基于压缩感知的UC 辅助诊断
4.1引言
4.2 基于BoF模型的UC辅助诊断
4.2.1 BoF模型
4.2.2 Dense SIFT 特征提取
4.2.3 视觉词袋构建与图像描述
4.3 基于SCSPM模型的UC辅助诊断
4.3.1 SCSPM 模型
4.3.2 稀疏编码
4.3.3 线性空间金字塔匹配
4.4 基于LLC模型的UC辅助诊断
4.4.1 LLC 模型
4.4.2 局部非线性稀疏编码
4.5 基于压缩感知的UC辅助诊断
4.5.1 框架
4.5.2 CSSPP 特征提取
4.6 实验结果与分析
4.6.1 评价指标
4.6.2 训练阶段
4. 6.3 测试阶段
4.7 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致 谢
作者简介
1 作者简历
2 攻读硕士学位期间发表的学术论文
学位论文数据集
浙江工业大学;