| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·稀疏表示研究现状 | 第11-12页 |
| ·观测矩阵研究现状 | 第12-13页 |
| ·重构算法研究现状 | 第13-14页 |
| ·压缩传感应用 | 第14页 |
| ·本文研究内容及安排 | 第14-16页 |
| 第2章 基于字典稀疏表示的压缩成像理论 | 第16-28页 |
| ·引言 | 第16-17页 |
| ·冗余字典的训练 | 第17-22页 |
| ·K-SVD 训练字典法 | 第19-21页 |
| ·直接优化法训练字典 | 第21-22页 |
| ·基于冗余字典观测矩阵优化方法介绍 | 第22-24页 |
| ·SL0 算法介绍 | 第24-25页 |
| ·实验结果 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于样例正交基的压缩成像算法 | 第28-44页 |
| ·样例正交基的训练 | 第28-32页 |
| ·二维随机投影 2D-RP | 第32-33页 |
| ·一维随机投影（1D-RP） | 第32-33页 |
| ·二维随机投影（2D-RP） | 第33页 |
| ·二维的 SL0 算法 | 第33-37页 |
| ·二维信号的稀疏分解 | 第34-35页 |
| ·2D-SL0 算法求解二维信号在过完备字典下的稀疏解 | 第35-37页 |
| ·算法实现过程 | 第37-38页 |
| ·实验结果分析 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于多级字典融合的压缩成像算法研究 | 第44-56页 |
| ·多级字典的训练 | 第44-46页 |
| ·用 K-SVD 方法进行多级冗余字典训练 | 第44-45页 |
| ·用直接优化方法进行多级冗余字典训练 | 第45-46页 |
| ·多级字典融合实现 | 第46-48页 |
| ·算法实现过程及流程图 | 第48页 |
| ·实验结果分析与比较 | 第48-55页 |
| ·用 K-SVD 方法训练的多级字典实验结果分析 | 第49-52页 |
| ·用直接优化方法训练的多级字典实验结果分析 | 第52-54页 |
| ·和 MLD 算法的比较 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |