| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-26页 |
| ·研究背景和意义 | 第12-15页 |
| ·国内外研究现状 | 第15-23页 |
| ·从稀疏表示到压缩感知 | 第15-17页 |
| ·压缩感知研究现状 | 第17-21页 |
| ·压缩感知应用研究面临的问题 | 第21-23页 |
| ·论文的主要研究内容 | 第23-24页 |
| ·论文的结构安排 | 第24-26页 |
| 第二章 压缩感知理论 | 第26-45页 |
| ·引言 | 第26页 |
| ·CS 基本理论 | 第26-29页 |
| ·稀疏/可压缩信号定义 | 第26-28页 |
| ·CS 数学模型 | 第28-29页 |
| ·测量矩阵设计 | 第29-35页 |
| ·受限等距性质 | 第30-32页 |
| ·非相干性质 | 第32-33页 |
| ·RIP 矩阵 | 第33-35页 |
| ·信号恢复 | 第35-39页 |
| ·范数凸优化算法 | 第35-36页 |
| ·贪婪算法 | 第36-38页 |
| ·最小全变分法 | 第38-39页 |
| ·CS 应用 | 第39-43页 |
| ·光学成像系统应用 | 第39-40页 |
| ·遥感成像技术应用 | 第40-43页 |
| ·生物医学工程应用 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第三章 基于边信息辅助的高光谱压缩感知图像重建 | 第45-62页 |
| ·引言 | 第45页 |
| ·高光谱图像特性分析 | 第45-48页 |
| ·GPSR 算法 | 第48-49页 |
| ·基于边信息辅助的高光谱压缩感知图像重建算法 | 第49-54页 |
| ·SBHE 矩阵 | 第51-52页 |
| ·最佳线性预测 | 第52-53页 |
| ·基于边信息辅助的 GPSR 算法 | 第53-54页 |
| ·实验结果与分析 | 第54-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 基于谱间预测和联合优化的高光谱压缩感知图像重建 | 第62-76页 |
| ·引言 | 第62-63页 |
| ·高光谱 CS 数据特性研究 | 第63-66页 |
| ·POCS 算法 | 第66-67页 |
| ·基于谱间预测和联合优化的高光谱压缩感知图像重建算法 | 第67-70页 |
| ·线性预测算法 | 第68页 |
| ·基于联合优化的 POCS 算法 | 第68-70页 |
| ·实验结果与分析 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 基于联合稀疏模型的高光谱压缩感知图像重建 | 第76-90页 |
| ·引言 | 第76-77页 |
| ·匹配追踪类算法 | 第77-79页 |
| ·基于联合稀疏模型的高光谱压缩感知图像重建算法 | 第79-84页 |
| ·基于 CS 数据的自适应波段分组算法 | 第81-82页 |
| ·基于联合稀疏模型的 OMP 算法 | 第82-84页 |
| ·实验结果与分析 | 第84-89页 |
| ·CS 数据的抗误码性能 | 第84-85页 |
| ·自适应波段分组的有效性验证 | 第85-86页 |
| ·本文算法的性能验证 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 基于数字微镜阵列分区控制和超分辨重建的压缩感知成像 | 第90-103页 |
| ·引言 | 第90-91页 |
| ·单像素相机技术 | 第91-92页 |
| ·基于数字微镜阵列分区控制和超分辨重建的压缩感知成像 | 第92-96页 |
| ·DMD 分区控制 | 第92-94页 |
| ·基于 CS 框架的超分辨图像重建 | 第94-96页 |
| ·实验结果与分析 | 第96-102页 |
| ·图像重建性能对比 | 第96-100页 |
| ·计算复杂度对比 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第七章 总结与展望 | 第103-106页 |
| ·研究工作总结 | 第103-105页 |
| ·研究工作展望 | 第105-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-121页 |
| 攻读博士学位期间的研究成果 | 第121-124页 |
| 学术论文 | 第121-123页 |
| 参加研究的科研项目 | 第123-124页 |
