| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像压缩技术发展现状 | 第12-13页 |
| 1.2.2 压缩感知理论发展现状 | 第13-14页 |
| 1.3 图像压缩质量评价指标 | 第14-16页 |
| 1.3.1 基于压缩编码参数的评价 | 第14-15页 |
| 1.3.2 基于重构图像质量的评价 | 第15-16页 |
| 1.4 本论文研究内容及文章框架结构 | 第16-19页 |
| 第二章 图像编码压缩方法 | 第19-35页 |
| 2.1 图像编码方法 | 第19-25页 |
| 2.1.1 无损编码 | 第20-23页 |
| 2.1.2 有损编码 | 第23-25页 |
| 2.2 两种图像压缩方法 | 第25-34页 |
| 2.2.1 JPEG图像压缩编码方法 | 第25-28页 |
| 2.2.2 JPEG2000图像压缩编码方法 | 第28-32页 |
| 2.2.3 实验结果及分析 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 稀疏表示与压缩感知相结合的图像压缩 | 第35-53页 |
| 3.1 稀疏表示与压缩感知理论 | 第35-38页 |
| 3.1.1 稀疏表示理论 | 第35-37页 |
| 3.1.2 压缩感知理论 | 第37-38页 |
| 3.2 压缩感知关键技术 | 第38-44页 |
| 3.2.1 信号的稀疏表示 | 第38-39页 |
| 3.2.2 感知矩阵的设计 | 第39-41页 |
| 3.2.3 重构算法的设计 | 第41-44页 |
| 3.3 稀疏表示结合压缩感知的图像压缩 | 第44-52页 |
| 3.3.1 压缩原理 | 第45-46页 |
| 3.3.2 稀疏表示字典 | 第46-50页 |
| 3.3.3 实验结果及分析 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 形态成分分解模型结合压缩感知的图像压缩 | 第53-71页 |
| 4.1 MCA模型结合压缩感知的图像压缩 | 第53-59页 |
| 4.1.1 MCA模型及其数值实现 | 第53-57页 |
| 4.1.2 MCA结合压缩感知的图像压缩 | 第57-59页 |
| 4.2 一种新的形态成分分解模型结合压缩感知的图像压缩 | 第59-66页 |
| 4.2.1 新的形态成分分解模型 | 第59-61页 |
| 4.2.2 算法实现 | 第61-63页 |
| 4.2.3 实验结果及分析 | 第63-66页 |
| 4.3 几种实验结果比较及分析 | 第66-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间取得的科研成果 | 第79-81页 |
| 致谢 | 第81页 |