| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 相位恢复研究现状 | 第11-12页 |
| 1.2.2 编码衍射成像系统研究现状 | 第12-13页 |
| 1.3 本文研究内容及结构组织安排 | 第13-15页 |
| 第2章 相位恢复基础研究概述 | 第15-22页 |
| 2.1 压缩感知 | 第15-16页 |
| 2.2 相位恢复问题 | 第16-18页 |
| 2.2.1 基于交替投影的相位恢复算法 | 第16-17页 |
| 2.2.2 基于正则化的相位恢复算法 | 第17-18页 |
| 2.3 编码衍射成像系统 | 第18-20页 |
| 2.4 相位恢复质量评价 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于自适应正交字典的衍射成像算法 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 正交字典的构造及学习 | 第22-24页 |
| 3.2.1 正交DCT字典的生成 | 第22页 |
| 3.2.2 信号在字典下的稀疏表示 | 第22-23页 |
| 3.2.3 快速正交字典学习的方法 | 第23-24页 |
| 3.3 基于自适应正交字典的衍射成像算法 | 第24-27页 |
| 3.3.1 理论推导 | 第24-26页 |
| 3.3.2 算法描述 | 第26-27页 |
| 3.4 实验结果及分析 | 第27-31页 |
| 3.4.1 无噪声干扰的实验结果 | 第28-29页 |
| 3.4.2 高斯噪声干扰下的重构结果比较 | 第29-30页 |
| 3.4.3 算法收敛性验证 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于多字典的抗泊松噪声相位恢复算法 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 半二次分裂法 | 第32-33页 |
| 4.3 基于多字典的抗泊松噪声相位恢复 | 第33-37页 |
| 4.3.1 泊松噪声相位恢复模型 | 第33-34页 |
| 4.3.2 多字典学习 | 第34页 |
| 4.3.3 基于多字典的相位恢复理论推导 | 第34-37页 |
| 4.3.4 算法描述 | 第37页 |
| 4.4 实验结果及分析 | 第37-42页 |
| 4.4.1 字典原子固定与自适应的重构结果比较 | 第38-39页 |
| 4.4.2 泊松噪声干扰下的重构结果比较 | 第39-41页 |
| 4.4.3 算法收敛性验证 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于高斯混合模型的衍射成像算法 | 第43-58页 |
| 5.1 引言 | 第43页 |
| 5.2 高斯混合模型(GMM) | 第43-45页 |
| 5.2.1 GMM最优参数的训练 | 第43-44页 |
| 5.2.2 GMM先验 | 第44-45页 |
| 5.3 基于GMM正则化的相位恢复 | 第45-50页 |
| 5.3.1 加速临近梯度法 | 第45-46页 |
| 5.3.2 黄金分割法 | 第46-47页 |
| 5.3.3 基于GMM正则化的相位恢复求解框架 | 第47-49页 |
| 5.3.4 基于GMM的抗泊松噪声相位恢复 | 第49页 |
| 5.3.5 算法描述 | 第49-50页 |
| 5.4 实验结果与分析 | 第50-57页 |
| 5.4.1 不同模型数的恢复效果比较 | 第50-51页 |
| 5.4.2 测量数据受高斯噪声干扰时不同算法的比较 | 第51-54页 |
| 5.4.3 测量数据受泊松噪声干扰时不同算法的比较 | 第54-56页 |
| 5.4.4 算法收敛性验证 | 第56页 |
| 5.4.5 不同算法的时间复杂度比较 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |