摘要：图像分类作为一种重要的图像处理技术，它根据图像的不同语义特征，利用计算机的定量分析将图像的不同区域划分为若干类中的某一种，以代替人类的视觉解释。随着不断的发展，图像的分类检索方法从最早期的根据文本描述信息来进行图像匹配和识别的传统模式，变成根据图像内容识别的分类检索应用，人们可以通过提取图像本身的基本特征进行图像的匹配和识别，速度和准确度都达到大幅提升。

而稀疏编码模型的提出，是依据稀疏表达概念在图像处理领域的研究成果，目的在于运用超完备字典中尽可能少量的元素完整地表示信号，以此获得简洁的表达，便于图像的处理。稀疏编码被广泛运用于模拟人类的视觉系统，基于此的图像分类系统可以利用视觉分析能力主动分析图像内容，从而有效地实现了图像的动态识别与分类。

本文使用稀疏编码建立图像分类系统，首先将图像分为许多不同的图像小块，使用某一种局部描述子对其进行描述，然后对比离线训练好的视觉词典对局部特征进行稀疏编码，将编码矢量的池化特征作为图像的最终特征表示，使用SVM分类器进行分类。其中需要使用M语言编程实现特征表示算法和分类器算法，并设计实现图像分类系统的GUI界面。

关键词：图像分类、稀疏编码、SVM分类器、GUI界面

目录

摘要

Abstract

第一章-引言-1

1.1课题的研究背景及意义-1

1.2国内外研究现状-1

1.3本课题的主要研究内容-3

1.4本论文的结构-4

第二章-课题使用的相关技术概念介绍-5

2.1特征提取-5

2.1.1高斯模糊-5

2.1.2尺度空间极值检测-8

2.1.3 关键点定位-11

2.1.4 方向确定-12

2.1.5 关键点描述-13

2.2特征表示-14

2.2.1 词袋模型-14

2.2.2空间金字塔匹配-15

2.2.3 K-means聚类算法-15

2.2.4稀疏编码-16

2.2.5最大池化法-17

2.3 SVM分类器-18

2.4本章小结-19

第三章-稀疏编码的图像分类系统设计与实现-20

3.1大规模图像分类-20

3.2小规模图像分类-20

3.3测试与结果分析-21

3.3.1 CIFAR-10数据集上的测试结果-22

3.3.2 Caltech-101数据集上的测试结果-23

3.4本章小结-23

第四章 GUI图形用户界面设计-24

4.1 GUI简介-24

4.2 GUI界面设计-24

4.3 Matlab程序设计-25

4.4功能测试-28

4.5本章小结-30

第四章-总结与展望-31

参考文献-33

致谢-35