| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 图像压缩感知存在的问题 | 第14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第2章 图像压缩感知相关理论与技术 | 第17-28页 |
| 2.1 压缩感知原理 | 第17-19页 |
| 2.2 图像信号稀疏化表示 | 第19-20页 |
| 2.3 随机测量采样 | 第20-22页 |
| 2.4 图像信号恢复算法 | 第22-27页 |
| 2.4.1 最小l1 范数凸优化的算法 | 第22-23页 |
| 2.4.2 贝叶斯统计优化算法 | 第23页 |
| 2.4.3 梯度类算法 | 第23页 |
| 2.4.4 迭代阀值计算法 | 第23-24页 |
| 2.4.5 迭代贪婪算法 | 第24-25页 |
| 2.4.6 模型化恢复算法 | 第25-27页 |
| 2.5 小结 | 第27-28页 |
| 第3章 基于小波域树形分块的图像压缩感知算法 | 第28-39页 |
| 3.1 图像小波系数特点分析 | 第28-29页 |
| 3.2 基于图像小波系数的预处理 | 第29-32页 |
| 3.2.1 图像小波系数树形分块 | 第29-31页 |
| 3.2.2 小波域树形分块的特性 | 第31-32页 |
| 3.3 模型化块稀疏正交匹配图像重构算法 | 第32-34页 |
| 3.3.1 经典 CS 恢复算法正交匹配追踪算法 OMP | 第32-33页 |
| 3.3.2 块稀疏正交匹配图像重构算法（BOMP） | 第33-34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.4.1 实验环境 | 第34-35页 |
| 3.4.2 CS 图像重构效果对比 | 第35-38页 |
| 3.4.3 图像重构运行时间对比 | 第38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 图像压缩感知处理鲁棒性研究 | 第39-53页 |
| 4.1 图像传输的鲁棒性 | 第39-40页 |
| 4.2 传统提高图像鲁棒性方法 | 第40-41页 |
| 4.3 压缩感知处理对图像鲁棒性的提升 | 第41-42页 |
| 4.4 基于小波域树形分块 CS 处理鲁棒性分析 | 第42-52页 |
| 4.4.1 图像小波分解系数能量分析 | 第42-47页 |
| 4.4.2 小波域树形分块 CS 图像编码 | 第47-49页 |
| 4.4.3 实验结果与分析 | 第49-52页 |
| 4.5 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第60页 |