| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 压缩感知研究的发展与现状 | 第9-13页 |
| 1.2.1 压缩感知研究的发展与现状 | 第9-11页 |
| 1.2.2 图像压缩感知重构算法的研究现状 | 第11-13页 |
| 1.3 本文主要研究工作和内容安排 | 第13-15页 |
| 第二章 图像压缩感知经典重构算法 | 第15-27页 |
| 2.1 压缩感知的基本框架与图像压缩感知研究内容 | 第15-18页 |
| 2.1.1 压缩感知的基本框架 | 第15-17页 |
| 2.1.2 图像压缩感知的主要研究内容 | 第17-18页 |
| 2.2 图像压缩感知经典重构算法 | 第18-26页 |
| 2.2.1 基于分块平滑投影Landweber重构算法 | 第19-20页 |
| 2.2.2 二维投影梯度重构算法 | 第20-22页 |
| 2.2.3 实验仿真与分析 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 自适应二维投影梯度重构算法 | 第27-39页 |
| 3.1 双变量阈值收缩在重构算法中的局限性 | 第27页 |
| 3.2 算法改进的依据 | 第27-28页 |
| 3.3 自适应阈值生成方法 | 第28-33页 |
| 3.4 仿真实验和分析 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于高斯过程模型的压缩感知重构后处理 | 第39-52页 |
| 4.1 高斯过程回归模型 | 第39-43页 |
| 4.1.1 高斯过程回归预测模型 | 第39-42页 |
| 4.1.2 高斯过程回归模型训练 | 第42-43页 |
| 4.2 结合高斯过程回归模型的图像压缩感知重构后处理 | 第43-49页 |
| 4.3 算法性能分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |