| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-10页 |
| ·基于传统 SHANNON- NYQUIST 定理的信号采集 | 第9页 |
| ·基于压缩感知的信号采集 | 第9-10页 |
| ·压缩感知理论研究进展 | 第10-12页 |
| ·红外成像技术发展现状 | 第12页 |
| ·本文主要工作及内容安排 | 第12-15页 |
| 第二章 压缩感知理论 | 第15-23页 |
| ·引言 | 第15页 |
| ·压缩感知数学模型 | 第15-17页 |
| ·信号的稀疏表示 | 第17-18页 |
| ·观测矩阵 | 第18-19页 |
| ·信号重构 | 第19-21页 |
| ·贪婪算法 | 第20页 |
| ·最小 L_1范数算法 | 第20页 |
| ·最小全变分(TV)法 | 第20-21页 |
| ·迭代阈值法(IT) | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 压缩感知在红外成像中的应用 | 第23-39页 |
| ·红外成像系统简介 | 第24-26页 |
| ·基于压缩传感的红外成像设计 | 第26-35页 |
| ·信号的稀疏表示 | 第28-32页 |
| ·测量矩阵的选取 | 第32-34页 |
| ·信号的重构方法 | 第34-35页 |
| ·基于压缩传感的红外成像仿真实验 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于稀疏表示的红外图像去噪 | 第39-49页 |
| ·常用去噪方法 | 第39-40页 |
| ·基于小波阈值去噪方法 | 第39-40页 |
| ·基于 TV 去噪方法 | 第40页 |
| ·基于稀疏表示的去噪方法 | 第40-43页 |
| ·红外图像去噪仿真实验 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 结束语 | 第49-51页 |
| ·论文工作总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间的研究成果 | 第57-58页 |