基于分块压缩感知的图像重构方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 压缩感知的应用 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11页 |
| 1.5 本文章节安排 | 第11-13页 |
| 第二章 压缩感知理论概述 | 第13-21页 |
| 2.1 压缩感知理论框架 | 第13-14页 |
| 2.2 压缩感知理论的关键技术 | 第14-19页 |
| 2.2.1 信号的稀疏性表示 | 第14-16页 |
| 2.2.2 测量矩阵的选取 | 第16-17页 |
| 2.2.3 压缩感知重构算法 | 第17-19页 |
| 2.3 分块压缩感知理论 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于压缩感知理论的图像分块重构的实现 | 第21-38页 |
| 3.1 三种稀疏表示方式 | 第21-26页 |
| 3.1.1 离散傅立叶变换 | 第21-22页 |
| 3.1.2 离散余弦变换 | 第22-23页 |
| 3.1.3 小波变换 | 第23-26页 |
| 3.2 压缩感知理论对一维信号重构的实现 | 第26-29页 |
| 3.3 压缩感知理论对二维图像重构的实现 | 第29-35页 |
| 3.3.1 二维图像直接CS重构 | 第29-32页 |
| 3.3.2 二维图像分块CS重构 | 第32-35页 |
| 3.4 仿真实验结果与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于离散余弦变换的图像块分类重构方法研究 | 第38-48页 |
| 4.1 基于DCT稀疏的图像块分类重构 | 第38-42页 |
| 4.1.1 观测值数目对重构质量的影响 | 第38-39页 |
| 4.1.2 图像块分类重构的实现 | 第39-42页 |
| 4.2 降低图像块效应的改进方法 | 第42-45页 |
| 4.2.1 均值滤波算法 | 第42-44页 |
| 4.2.2 改进的全变差调整方法 | 第44-45页 |
| 4.3 仿真实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于小波变换的图像分块重构方法研究 | 第48-55页 |
| 5.1 离散小波变换 | 第48-50页 |
| 5.2 小波变换域分块压缩感知的实现 | 第50-52页 |
| 5.3 对高频子带处理的压缩感知重构方法 | 第52-54页 |
| 5.3.1 高频子带进行不同观测值处理 | 第52页 |
| 5.3.2 仿真实验结果与分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 论文工作总结 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
