首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像非局部结构稀疏模型的压缩感知重构

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第11-28页
    1.1 引言第11页
    1.2 压缩感知第11-13页
    1.3 传统压缩感知重构算法第13-16页
        1.3.1 贪婪算法第13-14页
        1.3.2 凸优化方法第14-15页
        1.3.3 贝叶斯重构算法第15-16页
    1.4 基于结构稀疏模型的压缩感知重构算法第16-26页
        1.4.1 基于块稀疏模型的重构算法第17-19页
        1.4.2 基于树稀疏模型的重构算法第19-21页
        1.4.3 基于通用稀疏模型的重构算法第21-22页
        1.4.4 基于非局部稀疏模型的重构算法第22-26页
    1.5 本文的主要工作第26-28页
第二章 基于拉普拉斯尺度混合模型的结构化AMP算法第28-46页
    2.1 引言第28页
    2.2 近似消息传递算法第28-29页
    2.3 基于拉普拉斯尺度混合的图像CS重构模型第29-32页
        2.3.1 利用LSM模型表征非局部稀疏结构第29-31页
        2.3.2 图像CS重构问题的最大后验估计第31-32页
    2.4 基于期望最大化和近似消息传递的CS重构算法第32-37页
        2.4.1 LSM模型的期望最大化估计第32-34页
        2.4.2 近似消息传递算法实现图像的重构第34-37页
    2.5 实验结果与分析第37-45页
        2.5.1 LSM先验与拉普拉斯先验的比较实验第38-39页
        2.5.2 无噪观测下与现有算法的比较实验第39-42页
        2.5.3 有噪观测下与现有算法的比较实验第42-45页
    2.6 本章小结第45-46页
第三章 基于复合稀疏约束的图像压缩感知重构算法第46-68页
    3.1 引言第46页
    3.2 基于复合稀疏约束的图像CS重构新模型第46-49页
        3.2.1 图像块低秩约束第47-48页
        3.2.2 基于引导信息的双边滤波约束第48-49页
    3.3 利用AMP算法求解复合稀疏约束问题第49-56页
        3.3.1 AMP的前向后向分裂表示第49-51页
        3.3.2 基于复合分解技术的邻近算子求解第51-52页
        3.3.3 加权核范数最小化问题的求解第52-56页
    3.4 实验结果与分析第56-67页
        3.4.1 复合模型有效性的验证实验第57-61页
        3.4.2 无噪观测下与现有算法的比较实验第61-64页
        3.4.3 含噪观测下与现有算法的比较实验第64-67页
    3.5 本章小结第67-68页
第四章 噪声环境下边信息辅助的结构化AMP算法第68-92页
    4.1 引言第68页
    4.2 基于因子图表示的CS重构模型第68-71页
        4.2.1 统计分布的定义第69-70页
        4.2.2 最大后验概率准则下的目标函数第70-71页
    4.3 基于AMP的求解算法第71-77页
        4.3.1 混合l2-l1范数的AMP求解方法第71-72页
        4.3.2 秩最小化问题的求解第72-74页
        4.3.3 模型参数的估计第74-77页
    4.4 边信息作用的分析第77-78页
        4.4.1 理论分析第77-78页
        4.4.2 实例验证第78页
    4.5 实验结果与分析第78-91页
        4.5.1 边信息有效性的验证实验第79-84页
        4.5.2 与现有算法客观质量的比较实验第84-85页
        4.5.3 与现有算法主观质量的比较实验第85-91页
    4.6 本章小结第91-92页
第五章 基于加权星图稀疏正则化的快速图像CS重构第92-113页
    5.1 引言第92页
    5.2 图稀疏正则化第92-93页
    5.3 基于加权星图稀疏正则化的CS重构第93-95页
        5.3.1 加权星图稀疏正则化第93-94页
        5.3.2 基于加权星图稀疏正则化的CS重构模型第94-95页
    5.4 基于近似消息传递的求解算法第95-101页
        5.4.1 变量替换实现优化问题的化简第95-97页
        5.4.2 模型参数的交替优化第97-99页
        5.4.3 算法复杂度分析第99-101页
    5.5 实验结果与分析第101-112页
        5.5.1 星图稀疏模型高效性的验证实验第102-103页
        5.5.2 与现有算法运行时间的比较实验第103-104页
        5.5.3 与现有算法客观质量的比较实验第104-108页
        5.5.4 与现有算法主观质量的比较实验第108-112页
    5.6 本章小结第112-113页
第六章 总结与展望第113-116页
    6.1 总结第113-114页
    6.2 展望第114-116页
参考文献第116-129页
攻读博士学位期间取得的研究成果第129-130页
致谢第130-131页
附件第131页

论文共131页,点击 下载论文
上一篇:基于视觉的三维人体运动分析
下一篇:基于特征编码与深度学习的图像识别算法