1. 研究目的与意义、国内外研究现状（文献综述）
1 选题意义及应用前景 图像是人类社会生活中最常用的信息载体，在数字图像技术高速发展的时代，每天都有海量的图像数据需要人们分析和处理。
而人工进行图像分类识别往往存在很大的不确定性和主观性，并在生产和生活中耗费大量财力和物力。
而随着计算机科学与技术的不断发展，人工智能领域内的计算机图像分类识别技术也在日渐成熟。
2. 研究的基本内容和问题
1.主要研究内容在本次课题中，主要的研究内容有如下几点：（1）第一阶段：分析实现传统稀疏编码算法（2）第二阶段：采用多特征提取的方法对该算法进行优化，也是本课题的主要部分。
（3）第三阶段：将改进后的算法和原算法的效率进行比较，并设计可视化界面展示改进结果。
2.预期目标（1）实现一个简单的用户交互界面，用户可自行选择图片并选择一种算法进行图像识别，并且可以查看到识别出的相关数据；（2）在传统稀疏算法实现的基础上，通过选择不同特征提取算法对图像的识别的结果数据进行手动分析，找出识别效率的影响因素；（3）对于优化的算法，除了展示优化后算法的识别结果外，也要展示经过原有算法识别的准确率，让用户可以直观感受到优化结果；（4）对多特征提取的算法，在所优化的方向上，必须保证高于原有算法，但在其他方向上可以适当降低效率，达成良好折中。
3. 研究的方法与方案
1.研究方法 (1) 阅读相关文献、书籍以及学术论文。
(2) 获取收集论文中的样本集，并分析如何进行数据预处理。
(3) 在研究过程中与相关领域的前辈交流。
4. 研究创新点
创新点传统稀疏编码算法的实现都是基于单特征提取，如sift,hog等特征提取算法，现采用多特征融合提取的方法进行特征提取。
特征级融合提取是从各个传感器获取的信息中提取目标特征，然后通过融合算法获取融合目标特征量，进行目标分类识别。
特征级融合目标识别，既能保持足够数量的目标有效信息，去除冗余信息，提高目标识别的精确性。
5. 研究计划与进展
研究计划 2018 年 1 月初至 2 月末：大致完成传统稀疏编码算法的实现； 2018 年 3 月初至 4 月中：结合多特征提取方法，完成算法优化； 2108 年 4 月中至 4 月末：完成算法效率分析对比工作，并设计界面展示结果； 2018 年 4 月末至 5 月初：完成课设资料归纳整理，并撰写论文； 在实际研究过程中，可以随个人时间情况及任务难度进行适当调节。
