| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第1章 绪论 | 第6-16页 |
| 1.1 课题背景及研究意义 | 第6-10页 |
| 1.1.1 航天遥感光学成像 | 第6-8页 |
| 1.1.2 基于压缩感知的遥感信号处理技术研究 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于压缩感知的成像技术研究现状 | 第10-13页 |
| 1.2.2 压缩感知在航天方面的应用现状 | 第13页 |
| 1.3 论文研究内容及创新成果 | 第13-16页 |
| 1.3.1 论文研究内容及结构安排 | 第13-14页 |
| 1.3.2 研究创新成果 | 第14-16页 |
| 第2章 压缩感知理论 | 第16-36页 |
| 2.1 信号的稀疏性发掘 | 第18-25页 |
| 2.1.1 基于变换的稀疏性表达 | 第18-23页 |
| 2.1.2 基于字典学习的稀疏性表达 | 第23-25页 |
| 2.2 感知矩阵的构建 | 第25-30页 |
| 2.2.1 高斯随机矩阵和贝努利随机矩阵 | 第26-27页 |
| 2.2.2 Noiselet采样 | 第27-29页 |
| 2.2.3 使用超材料特性进行随机采样 | 第29-30页 |
| 2.3 压缩感知重构算法 | 第30-35页 |
| 2.3.1 凸优化算法 | 第30页 |
| 2.3.2 贪婪算法 | 第30-31页 |
| 2.3.3 循环硬门限算法 | 第31-32页 |
| 2.3.4 贝叶斯算法 | 第32页 |
| 2.3.5 最小全变差算法 | 第32-33页 |
| 2.3.6 SplitBregman迭代 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于联合感知矩阵的新型遥感图像信号获取方案 | 第36-50页 |
| 3.1 新型遥感图像信号获取方案的研究 | 第36-38页 |
| 3.2 新型感知矩阵的构建 | 第38-43页 |
| 3.2.1 缩略图数据的获取 | 第39-40页 |
| 3.2.2 关于Real-noiselet变换 | 第40-43页 |
| 3.3 实验结果 | 第43-47页 |
| 3.4 熵编码的引入 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于多重稀疏表达的重构模型及重构算法研究 | 第50-64页 |
| 4.1 基于多重稀疏表达的压缩感知重构模型 | 第50-52页 |
| 4.1.1 基于多重变换域的遥感图像稀疏性表达 | 第50-52页 |
| 4.1.2 基于新型感知矩阵的多重稀疏模型 | 第52页 |
| 4.2 基于模型的重构算法 | 第52-56页 |
| 4.2.1 基于SplitBregman迭代的重构算法 | 第52-54页 |
| 4.2.2 重构算法伪码 | 第54-56页 |
| 4.3 实验结果 | 第56-63页 |
| 4.3.1 重构结果分析 | 第57-62页 |
| 4.3.2 计算复杂度分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 论文总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢与声明 | 第71-73页 |
| 个人简历、学术论文及研究成果 | 第73页 |