基于自适应稀疏表示的压缩感知及相位恢复算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 引言 | 第13页 |
| 1.2 研究背景及意义 | 第13-15页 |
| 1.3 研究内容及现状 | 第15-23页 |
| 1.3.1 自适应稀疏表示 | 第15-18页 |
| 1.3.2 压缩感知 | 第18-20页 |
| 1.3.3 非线性压缩感知 | 第20-21页 |
| 1.3.4 相位恢复 | 第21-23页 |
| 1.4 本文的主要贡献及章节安排 | 第23-27页 |
| 第2章 自适应稀疏表示模型及方法 | 第27-47页 |
| 2.1 引言 | 第27-28页 |
| 2.2 综合字典学习模型及算法 | 第28-37页 |
| 2.2.1 Sparsenet字典学习算法 | 第29-30页 |
| 2.2.2 MOD与K-SVD字典学习算法 | 第30-32页 |
| 2.2.3 具有多种约束条件的字典学习算法 | 第32-33页 |
| 2.2.4 在线字典学习算法 | 第33-34页 |
| 2.2.5 结构字典学习算法 | 第34-36页 |
| 2.2.6 基于组的字典学习算法 | 第36-37页 |
| 2.3 解析字典学习模型及算法 | 第37-42页 |
| 2.3.1 Analysis K-SVD算法 | 第37-39页 |
| 2.3.2 稀疏变换学习算法 | 第39-40页 |
| 2.3.3 结构化解析字典学习算法 | 第40页 |
| 2.3.4 紧标架学习算法 | 第40-42页 |
| 2.4 盲字典学习模型及算法 | 第42-45页 |
| 2.5 信息复杂度字典学习模型及算法 | 第45-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第3章 基于自适应字典的压缩成像算法 | 第47-67页 |
| 3.1 引言 | 第47-48页 |
| 3.2 基于一阶逼近字典学习的成像算法 | 第48-52页 |
| 3.2.1 一阶逼近字典学习 | 第48-50页 |
| 3.2.2 成像算法描述 | 第50-52页 |
| 3.3 融合多种先验知识的压缩成像算法 | 第52-56页 |
| 3.3.1 即插即用正则化模型 | 第53-54页 |
| 3.3.2 成像算法描述 | 第54-56页 |
| 3.4 实验结果及分析 | 第56-66页 |
| 3.4.1 不同去噪算子的影响 | 第57-59页 |
| 3.4.2 客观比较 | 第59页 |
| 3.4.3 主观视觉比较 | 第59-62页 |
| 3.4.4 算法收敛性及运行时间 | 第62-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 基于紧标架及字典学习的相位恢复 | 第67-92页 |
| 4.1 引言 | 第67页 |
| 4.2 相位恢复模型及算法 | 第67-69页 |
| 4.3 基于紧标架的相位恢复算法 | 第69-79页 |
| 4.3.1 优化问题 | 第69-70页 |
| 4.3.2 求解算法 | 第70-72页 |
| 4.3.3 实验结果及分析 | 第72-79页 |
| 4.4 基于正交字典学习的相位恢复算法 | 第79-91页 |
| 4.4.1 优化问题 | 第79-80页 |
| 4.4.2 求解算法 | 第80-83页 |
| 4.4.3 实验结果及分析 | 第83-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第5章 迁移正交稀疏变换学习及在相位恢复中的应用 | 第92-113页 |
| 5.1 引言 | 第92-93页 |
| 5.2 迁移正交稀疏变换学习 | 第93-96页 |
| 5.2.1 迁移综合字典学习算法 | 第93-94页 |
| 5.2.2 迁移正交稀疏变换学习算法 | 第94-96页 |
| 5.3 基于迁移稀疏变换学习的相位恢复 | 第96-100页 |
| 5.3.1 优化问题 | 第96-97页 |
| 5.3.2 算法描述 | 第97-100页 |
| 5.4 实验结果及分析 | 第100-111页 |
| 5.4.1 实验细节及参数选择 | 第101-102页 |
| 5.4.2 稀疏变换迁移的有效性 | 第102-104页 |
| 5.4.3 无噪情况下的相位恢复 | 第104-107页 |
| 5.4.4 含噪情况下的相位恢复 | 第107-109页 |
| 5.4.5 算法运行时间及收敛性 | 第109-111页 |
| 5.5 本章小结 | 第111-113页 |
| 第6章 面向编码衍射图案模型的相位恢复 | 第113-143页 |
| 6.1 引言 | 第113-114页 |
| 6.2 基于编码衍射图案的模型及算法 | 第114-115页 |
| 6.2.1 编码衍射图案模型 | 第114-115页 |
| 6.2.2 现有算法 | 第115页 |
| 6.3 基于紧标架学习的相位恢复算法 | 第115-128页 |
| 6.3.1 非自然l_0稀疏表示 | 第115-116页 |
| 6.3.2 优化问题 | 第116-117页 |
| 6.3.3 求解算法 | 第117-118页 |
| 6.3.4 实验结果及分析 | 第118-128页 |
| 6.4 融合多种先验知识的相位恢复 | 第128-142页 |
| 6.4.1 抗泊松噪声的相位恢复 | 第128-130页 |
| 6.4.2 基于全变差正则项的相位恢复 | 第130-131页 |
| 6.4.3 基于多种正则项的相位恢复 | 第131-134页 |
| 6.4.4 实验结果及分析 | 第134-142页 |
| 6.5 本章小结 | 第142-143页 |
| 结论 | 第143-145页 |
| 参考文献 | 第145-155页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第155-157页 |
| 致谢 | 第157页 |
