| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 选题意义与研究背景 | 第15-18页 |
| 1.1.1 稀疏性在稀疏分解和压缩感知理论中的重要性 | 第15-16页 |
| 1.1.2 彩色图像稀疏性分析目前的缺陷 | 第16-17页 |
| 1.1.3 彩色图像稀疏性分析的意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.2.1 灰度图像的稀疏性分析相关研究 | 第18页 |
| 1.2.2 彩色图像的稀疏性分析相关研究 | 第18-19页 |
| 1.3 论文的研究内容与贡献 | 第19-21页 |
| 第二章 彩色图像稀疏特性分析方法 | 第21-33页 |
| 2.1 压缩感知理论框架 | 第21-25页 |
| 2.1.1 压缩感知理论的背景及优势 | 第21-22页 |
| 2.1.2 压缩感知框架 | 第22-24页 |
| 2.1.3 压缩感知在图像恢复重建的应用 | 第24-25页 |
| 2.2 彩色图像的特征介绍 | 第25-29页 |
| 2.2.1 彩色图像具有的三个特性 | 第25-27页 |
| 2.2.2 常用的色彩模型 | 第27-29页 |
| 2.3 图像的相关性 | 第29-30页 |
| 2.3.1 图像的空间相关性 | 第29页 |
| 2.3.2 图像的色彩相关性 | 第29-30页 |
| 2.4 彩色图像稀疏特性分析 | 第30-32页 |
| 2.4.1 基于成像模型的彩色图像稀疏特性分析 | 第30-31页 |
| 2.4.2 基于局部自适应PCA的彩色图像稀疏特性分析 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于稀疏特性分析的彩色图像Demosaicking | 第33-55页 |
| 3.1 彩色图像的Demosaicking过程 | 第33-39页 |
| 3.1.1 数码相机的构成和原理 | 第33-36页 |
| 3.1.2 各种类型的CFA | 第36-38页 |
| 3.1.3 现有成像过程中存在的问题 | 第38-39页 |
| 3.2 Demosaicking的国内外研究现状 | 第39-42页 |
| 3.2.1 Demosaicking的研究历程 | 第39-40页 |
| 3.2.2 现有的Demosaicking算法的优缺点 | 第40-41页 |
| 3.2.3 Demosaicking算法的性能评价标准 | 第41-42页 |
| 3.3 基于稀疏性分析的彩色图像Demosaicking方法 | 第42-43页 |
| 3.4 基于压缩感知的六边形Demosaicking方法 | 第43-53页 |
| 3.4.1 六边形Demosaicking方法描述 | 第43-46页 |
| 3.4.2 实验方法和步骤 | 第46-48页 |
| 3.4.3 实验结果对比及分析 | 第48-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于稀疏特性分析的光谱成像方法 | 第55-67页 |
| 4.1 天体观测光谱成像 | 第55-57页 |
| 4.2 压缩光谱成像原理 | 第57-59页 |
| 4.2.1 单通道压缩光谱成像原理 | 第57-58页 |
| 4.2.2 互补双通道光谱成像原理 | 第58-59页 |
| 4.3 光谱图像稀疏特性分析 | 第59-62页 |
| 4.4 仿真实验结果及分析 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
| 1. 基本情况 | 第75页 |
| 2. 教育背景 | 第75页 |
| 3. 攻读硕士学位期间的研究成果 | 第75-76页 |
