| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景及其意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-16页 |
| 1.2.1 压缩感知理论研究现状 | 第11-14页 |
| 1.2.2 压缩感知在图像去噪中的研究现状 | 第14-15页 |
| 1.2.3 压缩感知在图像超分辨率中的研究现状 | 第15-16页 |
| 1.3 本文主要工作及组织结构 | 第16-17页 |
| 第2章 基于压缩感知的字典构造及贪婪重构算法 | 第17-27页 |
| 2.1 字典的构造 | 第17-18页 |
| 2.1.1 基于数学模型的字典构造 | 第17-18页 |
| 2.1.2 自适应能力的字典构造 | 第18页 |
| 2.2 基于压缩感知的贪婪重构算法 | 第18-24页 |
| 2.2.1 正交匹配追踪(OMP)算法 | 第19-20页 |
| 2.2.2 正则化正交匹配追踪(ROMP)算法 | 第20-21页 |
| 2.2.3 压缩采样匹配追踪(CoSaMP)算法 | 第21-22页 |
| 2.2.4 分段正交匹配追踪(StOMP)算法 | 第22-23页 |
| 2.2.5 稀疏度自适应匹配追踪(SAMP)算法 | 第23-24页 |
| 2.3 几种典型贪婪算法的仿真分析 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于压缩感知的图像去噪 | 第27-38页 |
| 3.1 基于压缩感知的去噪模型 | 第27-28页 |
| 3.2 基于K-SVD的图像稀疏表示去噪算法 | 第28-30页 |
| 3.2.1 K-SVD算法 | 第28-29页 |
| 3.2.2 基于K-SVD的图像稀疏表示去噪算法 | 第29-30页 |
| 3.3 改进的基于K-SVD的图像稀疏表示去噪算法 | 第30-32页 |
| 3.4 实验及结果分析 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于压缩感知的图像超分辨率 | 第38-48页 |
| 4.1 基于压缩感知的超分辨率重构 | 第38-39页 |
| 4.2 基于非局部稀疏编码的图像超分辨率重构 | 第39-43页 |
| 4.2.1 图像的自相似性 | 第39-40页 |
| 4.2.2 相似性的度量 | 第40-42页 |
| 4.2.3 基于非局部稀疏编码的压缩感知超分辨率算法 | 第42-43页 |
| 4.3 实验设计与结果分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 结论与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |