| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 稀疏表示 | 第11页 |
| 1.2.2 观测矩阵 | 第11页 |
| 1.2.3 信号的重构 | 第11-12页 |
| 1.3 压缩感知的应用 | 第12-13页 |
| 1.4 本文研究内容与工作安排 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 本文工作安排 | 第14-15页 |
| 第二章 压缩感知理论概述 | 第15-20页 |
| 2.1 压缩感知理论框架 | 第15-19页 |
| 2.1.1 预备知识 | 第16-17页 |
| 2.1.2 基于l_0范数的重构算法 | 第17-18页 |
| 2.1.3 基于l_1范数的重构算法 | 第18-19页 |
| 2.2 本章小结 | 第19-20页 |
| 第三章 基于PRP共轭梯度的SL_0算法 | 第20-29页 |
| 3.1 SL_0算法基础 | 第20-22页 |
| 3.2 基于PRP共轭梯度的SL_0算法（PRPSL_0）描述 | 第22-26页 |
| 3.2.1 函数的选择 | 第22-23页 |
| 3.2.2 基于PRP共轭梯度的SL_0算法的构建 | 第23-25页 |
| 3.2.3 PRPSL_0算法收敛性证明 | 第25-26页 |
| 3.3 实验结果及分析 | 第26-28页 |
| 3.3.1 PRPSL_0算法对图像的重构 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于L-BFGS拟牛顿法的梯度追踪算法 | 第29-43页 |
| 4.1 基于L-BFGS拟牛顿法的梯度追踪算法的描述 | 第29-33页 |
| 4.1.1 梯度追踪算法 | 第29-30页 |
| 4.1.2 L-BFGS拟牛顿法 | 第30-33页 |
| 4.2 LMGP算法描述 | 第33-36页 |
| 4.2.1 LMGP算法的建立 | 第33-35页 |
| 4.2.2 LMGP算法收敛性分析 | 第35-36页 |
| 4.3 实验结果及分析 | 第36-42页 |
| 4.3.1 LMGP算法对标准图像的重构 | 第36-39页 |
| 4.3.2 LMGP算法对自然图像的重构 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于PRP共轭梯度改进字典学习的LMGP算法 | 第43-50页 |
| 5.1 K-SVD算法 | 第43-44页 |
| 5.2 基于PRP-KSVD的LMGP（PRP-KSVD-LMGP）算法 | 第44-47页 |
| 5.2.1 PRP-KSVD-LMGP算法收敛性分析 | 第46-47页 |
| 5.3 实验结果及分析 | 第47-49页 |
| 5.3.1 PRP-KSVD-LMGP算法对视频帧的重构 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录1 程序清单 | 第54-55页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第56-57页 |
| 致谢 | 第57页 |
