| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 稀疏表示理论的研究现状 | 第10-16页 |
| 1.2.1 稀疏表示理论的发展 | 第10-14页 |
| 1.2.2 完备字典到过完备字典的过渡 | 第14-15页 |
| 1.2.3 稀疏性的度量标准 | 第15-16页 |
| 1.3 本文的研究内容及创新工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 过完备字典学习与贪婪追踪稀疏分解算法 | 第19-29页 |
| 2.1 过完备字典学习稀疏表示算法 | 第19-24页 |
| 2.1.1 过完备字典学习稀疏表示算法类型 | 第19-22页 |
| 2.1.2 K-SVD字典学习算法 | 第22-24页 |
| 2.2 贪婪追踪稀疏分解算法 | 第24-26页 |
| 2.2.1 贪婪追踪稀疏分解思想 | 第24-25页 |
| 2.2.2 贪婪追踪稀疏分解算法类型 | 第25-26页 |
| 2.3 基于重构性的过完备稀疏表示的应用 | 第26-28页 |
| 2.3.1 压缩感知方面的应用 | 第26-27页 |
| 2.3.2 图像去噪方面的应用 | 第27页 |
| 2.3.3 图像修补方面的应用 | 第27-28页 |
| 2.3.4 图像超分辨率方面的应用 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 模糊裁剪阈值SAMP算法 | 第29-43页 |
| 3.1 裁剪阈值SAMP算法描述 | 第29-33页 |
| 3.1.1 SAMP算法原理 | 第29-31页 |
| 3.1.2 CTSAMP算法原理 | 第31-33页 |
| 3.2 模糊裁剪阈值SAMP算法描述 | 第33-38页 |
| 3.2.1 FPTSAMP算法原理 | 第33-35页 |
| 3.2.2 可行性和有效性分析 | 第35-38页 |
| 3.3 实验结果与分析 | 第38-42页 |
| 3.3.1 基于过完备字典的人造数据复原性能对比分析 | 第38-40页 |
| 3.3.2 基于压缩感知的图像重构性能对比分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于QR分解随机双侧投影字典学习算法 | 第43-54页 |
| 4.1 矩阵低秩分解原理 | 第43-44页 |
| 4.2 基于QR分解随机双侧投影字典学习算法描述 | 第44-50页 |
| 4.2.1 QR-KRBP字典学习算法原理 | 第45-46页 |
| 4.2.2 QR-KRBP字典学习算法框架 | 第46-47页 |
| 4.2.3 偏差和复杂度分析 | 第47-50页 |
| 4.3 实验结果与分析 | 第50-53页 |
| 4.3.1 过完备字典学习效果对比分析 | 第50-51页 |
| 4.3.2 基于压缩感知的视频帧重构性能对比分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 广义稀疏贝叶斯学习KSVD字典学习算法 | 第54-69页 |
| 5.1 稀疏贝叶斯学习KSVD字典学习算法描述 | 第54-60页 |
| 5.1.1 经典贝叶斯理论 | 第54-57页 |
| 5.1.2 SBL-KSVD字典学习算法原理 | 第57-60页 |
| 5.2 广义稀疏贝叶斯学习KSVD字典学习算法描述 | 第60-65页 |
| 5.2.1 GSBL-KSVD字典学习算法原理 | 第60-63页 |
| 5.2.2 可行性和有效性分析 | 第63-65页 |
| 5.3 实验结果与分析 | 第65-68页 |
| 5.3.1 过完备字典学习结果对比分析 | 第65-66页 |
| 5.3.2 含噪视频帧的重构性能对比分析 | 第66-67页 |
| 5.3.3 基于压缩感知的视频帧重构性能对比分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录1 程序清单 | 第75-76页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录3 攻读硕士学位期间申请的专利 | 第77-78页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第78-79页 |
| 致谢 | 第79页 |