| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 稀疏表示理论的国内外研究现状 | 第15-19页 |
| 1.2.1 字典构造理论 | 第16-17页 |
| 1.2.2 字典学习算法的发展历程 | 第17-18页 |
| 1.2.3 字典学习算法的问题和改进 | 第18-19页 |
| 1.3 论文的主要工作和安排 | 第19-22页 |
| 第二章 稀疏表示理论及字典学习算法 | 第22-36页 |
| 2.1 稀疏表示理论 | 第22-23页 |
| 2.2 稀疏分解算法 | 第23-25页 |
| 2.2.1 贪婪算法 | 第24页 |
| 2.2.2 松弛算法 | 第24-25页 |
| 2.3 联合稀疏表示理论 | 第25-27页 |
| 2.4 字典学习算法 | 第27-35页 |
| 2.4.1 DCT字典 | 第27-28页 |
| 2.4.2 最大似然法 | 第28-29页 |
| 2.4.3 MOD最优方向法 | 第29-30页 |
| 2.4.4 级联正交字典 | 第30-31页 |
| 2.4.5 K-SVD全局字典 | 第31-33页 |
| 2.4.6 双稀疏K-SVD字典 | 第33-35页 |
| 2.5 局部字典与全局字典 | 第35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于非局部和K-SVD的最小字典学习 | 第36-54页 |
| 3.1 相关理论背景 | 第36-41页 |
| 3.1.1 非局部均值模型 | 第36-37页 |
| 3.1.2 非局部稀疏K-SVD | 第37-39页 |
| 3.1.3 竞争聚类算法 | 第39-41页 |
| 3.2 基于非局部和K-SVD的最小字典学习 | 第41-44页 |
| 3.2.1 基于非局部和K-SVD的最小字典算法思想 | 第42-43页 |
| 3.2.2 基于非局部和K-SVD的最小字典算法步骤 | 第43-44页 |
| 3.3 实验结果和分析 | 第44-52页 |
| 3.3.1 评价标准 | 第44-45页 |
| 3.3.2 实验条件设置 | 第45-46页 |
| 3.3.3 实验结果分析 | 第46-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于空间几何特性的最小字典重构算法 | 第54-68页 |
| 4.1 相关背景介绍 | 第54-56页 |
| 4.1.1 奇异值分解获取局部字典 | 第54-55页 |
| 4.1.2 局部约束线性编码 | 第55-56页 |
| 4.2 基于空间几何特性的最小局部字典思想 | 第56-61页 |
| 4.2.1 二维向量的旋转角度求解 | 第57-58页 |
| 4.2.2 二维向量合并为高维向量 | 第58-59页 |
| 4.2.3 算法步骤 | 第59-61页 |
| 4.3 实验结果与分析 | 第61-67页 |
| 4.3.1 评价标准 | 第61-62页 |
| 4.3.2 实验条件设置 | 第62-63页 |
| 4.3.3 实验结果分析 | 第63-67页 |
| 4.3.4 算法缺点分析 | 第67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-71页 |
| 5.1 总结 | 第68-69页 |
| 5.2 未来展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |