| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 理论发展现状 | 第11-14页 |
| 1.2.2 应用发展现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 第二章 从稀疏到压缩感知 | 第18-32页 |
| 2.1 信号稀疏表示 | 第18-21页 |
| 2.1.1 稀疏表示模型 | 第18-20页 |
| 2.1.2 稀疏表示字典构建 | 第20-21页 |
| 2.2 信号的稀疏重构条件 | 第21-26页 |
| 2.2.1 几种常用范数 | 第21-22页 |
| 2.2.2 有唯一稀疏解的条件 | 第22页 |
| 2.2.3 两种重要性质 | 第22-24页 |
| 2.2.4 常见测量矩阵 | 第24-26页 |
| 2.3 压缩感知 | 第26-28页 |
| 2.4 重构算法 | 第28-32页 |
| 2.4.1 凸优化算法 | 第28-30页 |
| 2.4.2 贪婪算法 | 第30-31页 |
| 2.4.3 组合算法 | 第31-32页 |
| 第三章 基于DCT扇形划分采样的压缩感知算法 | 第32-41页 |
| 3.1 基于单层DCT扇形划分的压缩感知算法 | 第33-36页 |
| 3.1.1 双尺度扇形区域划分 | 第33-34页 |
| 3.1.2 测量矩阵采样率关系的确定 | 第34-36页 |
| 3.2 实验结果与分析 | 第36-40页 |
| 3.3 结论 | 第40-41页 |
| 第四章 空间频率与方向特征相结合的自适应采样压缩感知算法 | 第41-56页 |
| 4.1 分块压缩感知表示与重建 | 第42-43页 |
| 4.1.1 分块压缩感知表示 | 第42页 |
| 4.1.2 光滑投影Landweber重建算法 | 第42-43页 |
| 4.2 基础采样率确定 | 第43-45页 |
| 4.2.1 纹理区判断 | 第43-44页 |
| 4.2.2 图像块基础采样率确定 | 第44-45页 |
| 4.3 图像块小波域采样率调整 | 第45-48页 |
| 4.3.1 纹理块处理算法 | 第45-46页 |
| 4.3.2 平滑块处理算法 | 第46-47页 |
| 4.3.3 算法流程 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-55页 |
| 4.4.1 图像块分类及基础采样率 | 第48-49页 |
| 4.4.2 与非自适应采样算法比较 | 第49-52页 |
| 4.4.3 与自适应采样算法比较 | 第52-55页 |
| 4.5 结论 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 5.1 本文工作 | 第56-57页 |
| 5.2 论文创新点 | 第57页 |
| 5.3 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-67页 |
| 附录A（攻读学位期间所发表的学术论文） | 第67页 |