图像压缩感知重建算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-25页 |
| ·引言 | 第13-14页 |
| ·研究背景及意义 | 第14-16页 |
| ·CS重建算法研究现状 | 第16-22页 |
| ·基于最小l_1范数的凸优化算法 | 第17-18页 |
| ·贪婪算法 | 第18-20页 |
| ·非凸优化算法 | 第20-21页 |
| ·其它算法 | 第21-22页 |
| ·研究现状小结 | 第22页 |
| ·论文研究内容、主要贡献与创新之处 | 第22-23页 |
| ·论文结构 | 第23-25页 |
| 2 CS论基础 | 第25-38页 |
| ·引言 | 第25页 |
| ·CS数学模型 | 第25-26页 |
| ·信号稀疏表示 | 第26-34页 |
| ·传统正交变换 | 第27-29页 |
| ·多尺度几何分析 | 第29-33页 |
| ·字典学习 | 第33-34页 |
| ·测量矩阵构造 | 第34-36页 |
| ·有限等距性质 | 第34-35页 |
| ·非相干性质 | 第35页 |
| ·CS中可用的测量矩阵 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 3 优化正交匹配追踪算法 | 第38-50页 |
| ·引言 | 第38页 |
| ·匹配追踪类算法 | 第38-40页 |
| ·优化正交匹配追踪算法 | 第40-43页 |
| ·优化的原子选择准则 | 第40-42页 |
| ·OOMP算法流程 | 第42-43页 |
| ·实验仿真及分析 | 第43-48页 |
| ·一维稀疏信号实验 | 第44-47页 |
| ·图像信号实验 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 4 基于谱投影梯度追踪的重建算法 | 第50-69页 |
| ·引言 | 第50-51页 |
| ·CS中的最优化问题 | 第51-54页 |
| ·最优化问题描述 | 第51页 |
| ·共轭梯度法求解 | 第51-54页 |
| ·共轭梯度追踪法 | 第54-58页 |
| ·方向追踪法 | 第54-56页 |
| ·分段弱阈值原子选择准则 | 第56-58页 |
| ·谱投影梯度追踪法 | 第58-62页 |
| ·算法原理 | 第58-59页 |
| ·非单调线性搜索策略 | 第59-61页 |
| ·谱投影梯度追踪法流程 | 第61-62页 |
| ·算法性能分析 | 第62页 |
| ·实验仿真及分析 | 第62-68页 |
| ·传统原子选择准则下的实验 | 第63-65页 |
| ·分段弱阈值原子选择准则下的实验 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 5 基于多观测向量和稀疏贝叶斯学习的重建算法 | 第69-88页 |
| ·引言 | 第69页 |
| ·稀疏贝叶斯学习 | 第69-74页 |
| ·基选择与CS重建 | 第69-71页 |
| ·SBL原理 | 第71-74页 |
| ·多观测向量模型 | 第74-76页 |
| ·MMV-SBL算法 | 第76-78页 |
| ·实验仿真及分析 | 第78-86页 |
| ·标准测试图像实验 | 第79-84页 |
| ·算法鲁棒性实验 | 第84-86页 |
| ·实验分析 | 第86页 |
| ·本章小结 | 第86-88页 |
| 6 CS实现方案研究 | 第88-103页 |
| ·引言 | 第88页 |
| ·多尺度CS方案 | 第88-91页 |
| ·改进的多尺度CS方案 | 第91-93页 |
| ·IMCS原理 | 第91-92页 |
| ·IMCS性能分析 | 第92-93页 |
| ·实验仿真及分析 | 第93-101页 |
| ·简单图像实验 | 第93-94页 |
| ·自然图像实验 | 第94-99页 |
| ·不同重建算法下IMCS性能分析 | 第99-101页 |
| ·本章小结 | 第101-103页 |
| 7 结论 | 第103-105页 |
| ·总结 | 第103页 |
| ·展望 | 第103-105页 |
| 参考文献 | 第105-114页 |
| 索引 | 第114-117页 |
| 作者简历 | 第117-121页 |
| 学位论文数据集 | 第121页 |
