声明
摘要
插图目录
表格目录
第一章 绪论
1.1 研究的对象和意义
1.2 研究的内容和目标
1.3 研究的思路和方法
1.4 文章的结构安排
第二章 图像分类研究现状综述
2.1 图像分类框架简介
2.2 图像表达
2.2.1 底层特征提取
2.2.2 基于重构误差最小化的底层特征编码
2.2.3 基于生成式模型的底层特征编码
2.2.4 图像空间的特征汇聚
2.3 图像表达相似度的度量
2.4 分类器训练
2.5 本章小结
第三章 底层特征编码的判别性增强
3.1 引言
3.2 基于生成式模型的底层特征编码
3.2.1 基于生成式模型的底层特征编码原型
3.2.2 相关扩展
3.2.3 方法的分析
3.3 底层特征编码中的判别性增强
3.3.1 特征空间的判别性讨论
3.3.2 基于向量差的特征关系描述
3.3.3 基于直接加性核映射空间向量差的底层特征编码
3.4 实验验证
3.4.1 实验设置
3.4.2 实验结果与分析
3.5 本章小结
第四章 图像表达的判别性增强
4.1 引言
4.2 框架概述
4.3 数据模型
4.4 图像可变性潜在因子分析
4.4.1 因子分析
4.4.2 模型构造
4.4.3 模型分析
4.4.4 判别式的图像表达模型
4.5 实验验证
4.5.1 实验设置
4.5.2 实验结果与分析
4.6 本章小结
第五章 图像相似度度量学习的判别性增强
5.1 引言
5.2 图像表达与相似度度量的关系
5.3 判别式的参数化相似度度量学习
5.3.1 基于成对约束的图像关系描述
5.3.2 判别式学习模型
5.4 在线训练算法
5.4.1 在线训练模型的构造
5.4.2 优化算法设计
5.5 实验验证
5.5.1 实验设置
5.5.2 实验结果与分析
5.6 本章小结
第六章 基于特征空间判别性研究的分类器训练模型
6.1 引言
6.2 运动目标分类
6.3 多分类问题的特征空间特性
6.4 全局和局部训练模型
6.4.1 输入空间分割
6.4.2 在线学习更新
6.5 基于核的在线学习方法综述
6.5.1 基于核的感知器
6.5.2 保守-激进算法
6.5.3 基于核的有界在线学习
6.6 实验验证
6.6.1 实验设置
6.6.2 实验结果与分析
6.7 智能视频监控应用系统
6.8 本章小结
第七章 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
致谢
在读期间的研究成果和奖励