压缩感知中块结构字典学习算法的改进与应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作和结构安排 | 第12-14页 |
| 2 压缩感知理论 | 第14-26页 |
| 2.1 压缩感知理论框架 | 第14-16页 |
| 2.2 压缩感知研究内容 | 第16-19页 |
| 2.2.1 信号的稀疏表示 | 第16-17页 |
| 2.2.2 测量矩阵的设计 | 第17-18页 |
| 2.2.3 信号重构算法 | 第18-19页 |
| 2.3 结构化稀疏与字典学习 | 第19-24页 |
| 2.3.1 块稀疏信号及其重构条件 | 第19-21页 |
| 2.3.2 字典学习方法 | 第21-24页 |
| 2.4 压缩感知的应用 | 第24-26页 |
| 2.4.1 信源信道编码 | 第24页 |
| 2.4.2 模拟-信息采样 | 第24-25页 |
| 2.4.3 图像压缩感知 | 第25页 |
| 2.4.4 分布式压缩感知 | 第25-26页 |
| 3 基于球面K-均值的块结构字典学习算法 | 第26-44页 |
| 3.1 基于稀疏聚集的块结构字典学习算法分析 | 第26-37页 |
| 3.1.1 算法概述 | 第26-29页 |
| 3.1.2 算法流程 | 第29-37页 |
| 3.1.3 算法分析 | 第37页 |
| 3.2 基于球面K-均值块结构字典学习算法 | 第37-41页 |
| 3.2.1 球面K-均值算法 | 第37-39页 |
| 3.2.2 本文算法 | 第39-41页 |
| 3.3 算法比较分析 | 第41-44页 |
| 4 算法实验分析与应用 | 第44-51页 |
| 4.1 图像压缩感知模型 | 第44页 |
| 4.2 实验设计 | 第44-47页 |
| 4.2.1 稀疏字典学习实验 | 第44-45页 |
| 4.2.2 图像压缩感知系统 | 第45-47页 |
| 4.3 实验结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 A 附录内容名称 | 第55-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58-59页 |
