| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·压缩感知的背景和研究的现实意义 | 第8页 |
| ·压缩感知在图像处理领域的应用 | 第8-10页 |
| ·在图像压缩方面的应用 | 第9-10页 |
| ·CS下的图像融合 | 第10页 |
| ·课题拟完成的工作与章节安排 | 第10-12页 |
| 第二章 压缩感知理论基础 | 第12-20页 |
| ·引言 | 第12页 |
| ·Compressed Sensing(压缩感知) | 第12-14页 |
| ·信号的稀疏性和可压缩性 | 第12-13页 |
| ·压缩感知的理论描述 | 第13页 |
| ·稀疏性和不相关性 | 第13-14页 |
| ·压缩感知研究的核心问题 | 第14-18页 |
| ·稀疏表示 | 第14-15页 |
| ·观测矩阵的设计 | 第15-16页 |
| ·重构算法 | 第16-18页 |
| ·压缩感知的应用前景 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第三章 基于图像结构模型的CS重构方法 | 第20-46页 |
| ·引言 | 第20页 |
| ·多尺度几何分析理论基础 | 第20-22页 |
| ·小波变换 | 第20-21页 |
| ·Curvelet变换 | 第21-22页 |
| ·基于Wavelet和Curvelet的CS重构算法 | 第22-26页 |
| ·CS重构算法的求解模型 | 第22-23页 |
| ·Bregma距离 | 第23页 |
| ·CWSpB算法 | 第23-25页 |
| ·观测模型 | 第25-26页 |
| ·CWSpB算法的不足 | 第26页 |
| ·基于图像结构模型的CS重构算法 | 第26-35页 |
| ·算法改进的动机 | 第26-27页 |
| ·边缘检测 | 第27-29页 |
| ·观测模型 | 第29-32页 |
| ·算法实施步骤 | 第32-34页 |
| ·算法流程图 | 第34-35页 |
| ·实验结果与分析 | 第35-44页 |
| ·仿真条件 | 第35页 |
| ·仿真结果与分析 | 第35-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 CS框架下多策略图像融合方法 | 第46-64页 |
| ·引言 | 第46页 |
| ·传统融合方法 | 第46-49页 |
| ·线性加权法 | 第46-47页 |
| ·基于金字塔变换的图像融合 | 第47-48页 |
| ·基于PCA图像融合 | 第48-49页 |
| ·图像融合的评价方法 | 第49-52页 |
| ·CS框架下的多策略图像融合 | 第52-63页 |
| ·CS图像融合的特点与难点 | 第52-53页 |
| ·CS框架下的多策略图像融合方法 | 第53-55页 |
| ·CS框架下多策略图像融合算法步骤 | 第55-56页 |
| ·CS框架下多策略图像融合流程图 | 第56-57页 |
| ·实验仿真与分析 | 第57-62页 |
| ·本算法的优点 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| ·论文工作总结 | 第64页 |
| ·进一步工作展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 研究成果 | 第74页 |