盲稀疏度的CS前向预测算法及其在稀疏结构信号中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| ·稀疏感知和结构性数据 | 第9-11页 |
| ·CS 重构算法研究现状 | 第11-17页 |
| ·经典 CS 重构算法 | 第11-15页 |
| ·匹配追踪算法 | 第15-17页 |
| ·二维稀疏结构数据的 CS 方法 | 第17-19页 |
| ·本文的创新点 | 第19-21页 |
| 第二章 盲稀疏度的前向预测算法 HGA | 第21-40页 |
| ·IHT 算法和 BAOMP 算法 | 第21-23页 |
| ·IHT 算法 | 第21-22页 |
| ·BAOMP 算法 | 第22-23页 |
| ·混合贪婪算法 HGA | 第23-25页 |
| ·原子逼近能力和原子的预测匹配 | 第23-24页 |
| ·盲稀疏度信号阈值逼近与收敛性改善 | 第24-25页 |
| ·算法整体流程与框架 | 第25-27页 |
| ·实验结果与分析 | 第27-39页 |
| ·稀疏信号的 CS 重构 | 第27-32页 |
| ·可压缩信号的 CS 重构 | 第32-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于信号结构特性的 HGA 算法 | 第40-57页 |
| ·结构稀疏信号 | 第40-41页 |
| ·块稀疏信号 | 第40页 |
| ·小波树结构稀疏信号 | 第40-41页 |
| ·Blocked-HGA 算法 | 第41-43页 |
| ·Tree-HGA 算法 | 第43-47页 |
| ·贪婪树近似和最优树近似 | 第43-45页 |
| ·THGA 算法流程与框架 | 第45-47页 |
| ·实验结果与分析 | 第47-56页 |
| ·验证 BHGA 算法性能 | 第47-52页 |
| ·验证 THGA 算法性能 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于方向峰值变换的图像稀疏及重建 | 第57-80页 |
| ·图像的最优方向 | 第57-60页 |
| ·图像块的最优方向选择 | 第57-58页 |
| ·基于最优方向的数据表示 | 第58-59页 |
| ·验证图像块最优方向选择 | 第59-60页 |
| ·峰值变换（Peak Transform:PT） | 第60-69页 |
| ·前向峰值变换 | 第61-62页 |
| ·反向峰值变换 | 第62页 |
| ·峰值点的选取 | 第62-63页 |
| ·验证峰值变换性能 | 第63-69页 |
| ·图像的 DirPTWT 表示 | 第69-73页 |
| ·本文方法框架 | 第73-74页 |
| ·实验结果与分析 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 总结 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |
