基于压缩感知的OCT图像稀疏重建
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-30页 |
| ·论文研究背景 | 第11-13页 |
| ·研究现状 | 第13-19页 |
| ·信号的稀疏性表示 | 第14-16页 |
| ·随机测量矩阵研究现状 | 第16-17页 |
| ·压缩传感的重建算法研究现状 | 第17-19页 |
| ·OCT图像成像原理 | 第19-22页 |
| ·论文主要内容及创新 | 第22-23页 |
| ·论文组织结构 | 第23-26页 |
| 参考文献 | 第26-30页 |
| 第2章 CS基本概念与理论研究 | 第30-55页 |
| ·引言 | 第30-34页 |
| ·稀疏表示问题模型 | 第34-36页 |
| ·随机测量矩阵 | 第36-38页 |
| ·最优化重建算法 | 第38-49页 |
| ·贪婪算法 | 第42-46页 |
| ·其他最优化求解算法 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 第3章 OCT图像的稀疏表示模型 | 第55-81页 |
| ·引言 | 第55-56页 |
| ·稀疏编码理论分析 | 第56-59页 |
| ·信号(图像)的稀疏表示 | 第59-70页 |
| ·引言 | 第59-62页 |
| ·总变分稀疏表示模型 | 第62-65页 |
| ·小波稀疏表示模型 | 第65-68页 |
| ·区域差分稀疏表示模型 | 第68-70页 |
| ·实验结果分析 | 第70-77页 |
| ·本章小结 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 第4章 基于区域差分稀疏表示模型的重建算法 | 第81-105页 |
| ·引言 | 第81-82页 |
| ·基于非局部稀疏变换的重建算法 | 第82-87页 |
| ·l_p范数最小化 | 第82-84页 |
| ·HNLR重建算法 | 第84-87页 |
| ·实验结果分析 | 第87-101页 |
| ·本章小结 | 第101-102页 |
| 参考文献 | 第102-105页 |
| 第5章 基于能量导向性的OCT图像稀疏重建 | 第105-123页 |
| ·能量采集模型 | 第105-107页 |
| ·能量导向采样模型的实现 | 第107-109页 |
| ·能量导向性非均匀稀疏采样重建结果分析 | 第109-120页 |
| ·本章小结 | 第120-121页 |
| 参考文献 | 第121-123页 |
| 第6章 总结与展望 | 第123-125页 |
| ·论文总结 | 第123-124页 |
| ·进一步的研究工作 | 第124-125页 |
| 缩略语 | 第125-126页 |
| 致谢 | 第126-127页 |
| 博士在读期间已发表和在投论文列表 | 第127页 |
