摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第9-13页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 本文所做工作及内容安排 | 第11-13页 |
第二章 低秩问题中的迭代支撑集检测 | 第13-18页 |
2.1 LRISD算法概述 | 第13-14页 |
2.2 SVE奇异值的估计 | 第14-17页 |
2.3 本章小结 | 第17-18页 |
第三章 模型求解 | 第18-27页 |
3.1 TNNR-ADMM求解(2-4)式和(2-6)式 | 第18-21页 |
3.1.1 预备知识 | 第18-19页 |
3.1.2 TNNR-ADMM算法框架 | 第19-20页 |
3.1.3 子问题分析 | 第20页 |
3.1.4 章节小结 | 第20-21页 |
3.2 TNNR-APGL求解(2-5)式 | 第21-23页 |
3.2.1 APGL的算法回顾 | 第21页 |
3.2.2 TNNR-APGL算法框架 | 第21-22页 |
3.2.3 子问题分析 | 第22页 |
3.2.4 章节小结 | 第22-23页 |
3.3 TNNR-ADMMAP求解(2-4)式和(2-6)式 | 第23-26页 |
3.3.1 TNNR-ADMMAP的优点 | 第23页 |
3.3.2 TNNR-ADMMAP算法框架 | 第23-24页 |
3.3.3 子问题分析 | 第24-26页 |
3.3.4 章节小结 | 第26页 |
3.4 本章小结 | 第26-27页 |
第四章 相关实验及结果 | 第27-43页 |
4.1 实验安排及操作细节 | 第27-28页 |
4.2 在矩阵填充下,比较LRISD-ADMM和TNNR-ADMM-TRY | 第28-31页 |
4.3 在二维局部DCT下,对SVE有效性的分析 | 第31-32页 |
4.4 在模拟数据下,比较LRISD-ADMM和LR-ADMM | 第32-35页 |
4.5 在真实图像数据下,比较LRISD-ADMM和LR-ADMM | 第35页 |
4.6 参数k 的选取 | 第35-42页 |
4.7 本章小结 | 第42-43页 |
第五章 总结和展望 | 第43-44页 |
5.1 总结 | 第43页 |
5.2 展望 | 第43-44页 |
致谢 | 第44-45页 |
参考文献 | 第45-49页 |
攻读硕士期间主要研究成果 | 第49-50页 |