| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1. 绪论 | 第8-15页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状和发展 | 第9-13页 |
| 1.2.1 基于数字图像的三维重构 | 第10页 |
| 1.2.2 基于医学图像的三维重构 | 第10-11页 |
| 1.2.3 基于激光扫描的三维重构 | 第11-12页 |
| 1.2.4 基于压缩感知的重建算法研究现状 | 第12-13页 |
| 1.3 本文主要工作和结构安排 | 第13-15页 |
| 1.3.1 主要研究工作 | 第13-14页 |
| 1.3.2 本文结构安排 | 第14-15页 |
| 2. 压缩感知理论概述 | 第15-22页 |
| 2.1 压缩感知理论框架 | 第15-16页 |
| 2.1.1 CS框架 | 第15-16页 |
| 2.1.2 CS基本理论的数学表示 | 第16页 |
| 2.2 稀疏表示 | 第16-18页 |
| 2.3 观测矩阵 | 第18-19页 |
| 2.4 重建算法 | 第19页 |
| 2.5 CS理论的应用举例 | 第19-21页 |
| 2.5.1 一维信号重建 | 第19-20页 |
| 2.5.2 二维彩色图像重建 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3. 插值算法 | 第22-33页 |
| 3.1 经典插值算法 | 第22-25页 |
| 3.1.1 线性插值 | 第22页 |
| 3.1.2 IDW插值 | 第22-23页 |
| 3.1.3 RBF插值 | 第23-24页 |
| 3.1.4 三次B样条插值 | 第24-25页 |
| 3.2 RBF插值 | 第25-28页 |
| 3.2.1 预备知识 | 第25-28页 |
| 3.2.2 RBF神经网络 | 第28页 |
| 3.3 三次B样条插值 | 第28-32页 |
| 3.3.1 定义 | 第28-29页 |
| 3.3.2 求解 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4. 基于CS的三维重构方法 | 第33-47页 |
| 4.1 确定性测量矩阵的构造 | 第33-38页 |
| 4.1.1 交互投影算法 | 第34页 |
| 4.1.2 Duarte-Carvajalino算法 | 第34-35页 |
| 4.1.3 Elad算法 | 第35-36页 |
| 4.1.4 本文方法 | 第36-38页 |
| 4.2 OMP算法概述 | 第38-39页 |
| 4.3 2D-OMP重构算法 | 第39-42页 |
| 4.3.1 算法介绍 | 第39-40页 |
| 4.3.2 算法分析 | 第40-42页 |
| 4.4 3D-OMP重构算法 | 第42-45页 |
| 4.5 WROMP算法 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5. 基于三次B样条插值的压缩感知三维重构 | 第47-54页 |
| 5.1 三维表面数据的获取 | 第47-48页 |
| 5.2 三次B样条插值 | 第48-50页 |
| 5.2.1 三次B样条插值算法 | 第48-49页 |
| 5.2.2 实验结果及分析 | 第49-50页 |
| 5.3 基于三次B样条插值的压缩感知三维重构 | 第50-54页 |
| 5.3.1 算法描述 | 第50页 |
| 5.3.2 实验结果及分析 | 第50-54页 |
| 6. 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |
| 附录: 研究生阶段发表论文与参与项目 | 第60-63页 |