| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 传统图像编解码技术 | 第10-11页 |
| 1.2.2 基于压缩感知的图像编解码技术 | 第11-13页 |
| 1.2.3 图像编码技术评价标准 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 本文的结构安排 | 第14-17页 |
| 第2章 基于压缩感知理论的图像编解码方法 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 压缩感知基本理论 | 第17-18页 |
| 2.3 压缩感知观测矩阵的设计 | 第18-19页 |
| 2.4 压缩感知稀疏基的构建 | 第19-20页 |
| 2.5 压缩感知稀疏模型的优化求解 | 第20-22页 |
| 2.6 压缩感知理论的应用 | 第22-23页 |
| 2.7 本章小结 | 第23-25页 |
| 第3章 基于分析型 TVWaveletL1 模型的图像压缩 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 基于分析稀疏表示的 TVWL1 模型 | 第25-26页 |
| 3.3 求解 TVWL1 模型相关算法 | 第26-29页 |
| 3.3.1 近似梯度算法 | 第27-28页 |
| 3.3.2 组合分裂算法 | 第28页 |
| 3.3.3 贪心分析追踪算法 | 第28-29页 |
| 3.4 图像二维变换矩阵的构建 | 第29-30页 |
| 3.5 基于分析稀疏表示的图像重建算法 | 第30-31页 |
| 3.6 实验结果和分析 | 第31-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于分析型 TVWaveletL1 模型的大尺度图像压缩 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 基于共轭梯度的 GAP 算法 | 第37-39页 |
| 4.3 变换矩阵分块策略 | 第39-41页 |
| 4.4 改进的基于分析稀疏表示图像重建算法 | 第41-43页 |
| 4.5 实验结果和分析 | 第43-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间所发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |