基于冗余字典的图像压缩感知技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 压缩感知理论及其稀疏表示系统发展概述 | 第11-14页 |
| 1.2.1 压缩感知发展概述 | 第11-13页 |
| 1.2.2 信号稀疏表示发展概述 | 第13-14页 |
| 1.3 本文研究内容及章节安排 | 第14-16页 |
| 第2章 压缩感知理论 | 第16-26页 |
| 2.1 压缩感知数学模型 | 第16-18页 |
| 2.2 压缩感知核心内容 | 第18-23页 |
| 2.2.1 信号稀疏表示 | 第18-21页 |
| 2.2.2 观测矩阵设计 | 第21-22页 |
| 2.2.3 信号重构算法 | 第22-23页 |
| 2.3 压缩感知的应用 | 第23-24页 |
| 2.3.1 模拟—信息采样 | 第23-24页 |
| 2.3.2 基于压缩感知的图像处理 | 第24页 |
| 2.3.3 分布式压缩感知 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于方差分类图像块的自适应测量率设定 | 第26-36页 |
| 3.1 图像分块压缩感知 | 第26-28页 |
| 3.2 自适应观测压缩感知 | 第28-30页 |
| 3.3 分类图像块自适应测量率的设定 | 第30-32页 |
| 3.4 仿真结果与分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于图像块方差的冗余字典训练 | 第36-48页 |
| 4.1 图像稀疏表示 | 第36-37页 |
| 4.2 KSVD算法 | 第37-39页 |
| 4.3 基于方差分类图像块的字典训练 | 第39-40页 |
| 4.4 仿真结果与分析 | 第40-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于方差分类图像块的重构 | 第48-60页 |
| 5.1 基于方差分类图像块重构模型 | 第48页 |
| 5.2 重构算法选取 | 第48-54页 |
| 5.2.1 OMP算法 | 第48-50页 |
| 5.2.2 GPSR算法 | 第50-52页 |
| 5.2.3 两种算法重构结果比较 | 第52-54页 |
| 5.3 仿真结果与分析 | 第54-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 进一步研究展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简介及科研成果 | 第66-67页 |
| 致谢 | 第67页 |
