| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 课题研究现状 | 第12-14页 |
| 1.3 压缩感知算法质量评估标准 | 第14页 |
| 1.4 本文的研究内容与组织结构 | 第14-16页 |
| 第2章 压缩感知基础理论 | 第16-25页 |
| 2.1 信号的稀疏表示 | 第16-19页 |
| 2.1.1 小波变换稀疏表示 | 第17-18页 |
| 2.1.2 冗余字典稀疏表示 | 第18页 |
| 2.1.3 全变差稀疏表示 | 第18-19页 |
| 2.2 信号观测 | 第19-22页 |
| 2.2.1 独立同分布完全随机矩阵: | 第20页 |
| 2.2.2 部分正交矩阵 | 第20-21页 |
| 2.2.3 结构随机观测矩阵 | 第21-22页 |
| 2.3 信号重构 | 第22-24页 |
| 2.3.1 贪婪算法 | 第22-23页 |
| 2.3.2 凸松弛算法 | 第23-24页 |
| 2.4 本章小节 | 第24-25页 |
| 第3章 基于Contourlet变换的二维压缩感知图像重构 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 多尺度轮廓波变换 | 第25-32页 |
| 3.2.1 轮廓波变换结构 | 第26-27页 |
| 3.2.2 方向滤波器(DFB) | 第27-30页 |
| 3.2.3 可控塔式轮廓波变换结构 | 第30-32页 |
| 3.3 基于Contourlet变换的2D-SL0算法图像重构 | 第32-34页 |
| 3.3.1 信号的二维观测 | 第32-33页 |
| 3.3.2 基于Contourlet变换的二维SL0重构算法模型 | 第33-34页 |
| 3.3.3 算法流程 | 第34页 |
| 3.4 实验验证与算法分析 | 第34-39页 |
| 3.4.1 Contourlet变换与其他稀疏表示算法性能分析 | 第34-38页 |
| 3.4.2 二维SLO重构算法性能分析 | 第38-39页 |
| 3.5 本章小节 | 第39-40页 |
| 第4章 基于加权Contourlet变换及分数阶全变差的二维压缩感知图像重构 | 第40-58页 |
| 4.1 引言 | 第40页 |
| 4.2 分数阶全变差理论基础 | 第40-44页 |
| 4.2.1 分数阶全变差频谱特性 | 第41-42页 |
| 4.2.2 分数阶全变差稀疏表示 | 第42-44页 |
| 4.3 基于加权Contourlet变换与分数阶全变差的二维压缩感知重构 | 第44-49页 |
| 4.3.1 加权L1范数最小化模型 | 第44-45页 |
| 4.3.2 基于加权L1范数稀疏重构算法模型 | 第45-47页 |
| 4.3.3 阶数选取 | 第47-49页 |
| 4.4 实验结果与算法分析 | 第49-57页 |
| 4.4.1 算法抗噪性 | 第54-56页 |
| 4.4.2 算法收敛性 | 第56-57页 |
| 4.5 本章小节 | 第57-58页 |
| 第5章 联合局部与非局部相关性图像二维压缩感知重构 | 第58-70页 |
| 5.1 引言 | 第58页 |
| 5.2 二维联合稀疏正则化模型的压缩感知图像重构 | 第58-62页 |
| 5.2.1 算法模型 | 第58-59页 |
| 5.2.2 局部光滑性稀疏模型 | 第59-61页 |
| 5.2.3 非局部自相似性稀疏模型 | 第61-62页 |
| 5.3 联合稀疏正则化二维图像压缩感知重构 | 第62-66页 |
| 5.4 实验验证与算法分析 | 第66-69页 |
| 5.5 本章小节 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第79页 |
