基于共性特征的批量图像压缩算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.3 本文的研究内容与组织结构 | 第17-21页 |
| 1.3.1 研究内容 | 第17-20页 |
| 1.3.2 组织框架 | 第20-21页 |
| 1.4 本章小结 | 第21-23页 |
| 第2章 面向基底的图像压缩与重构 | 第23-51页 |
| 2.1 算法框架 | 第23-26页 |
| 2.1.1 优势与意义 | 第23-24页 |
| 2.1.2 框架介绍 | 第24-26页 |
| 2.2 压缩感知 | 第26-29页 |
| 2.2.1 问题描述 | 第26-28页 |
| 2.2.2 数学模型 | 第28-29页 |
| 2.3 关键问题 | 第29-32页 |
| 2.3.1 信号稀疏变换 | 第29-30页 |
| 2.3.2 观测矩阵的设计 | 第30-32页 |
| 2.3.3 分块CS | 第32页 |
| 2.4 重构图像 | 第32-45页 |
| 2.4.1 重构方法 | 第32-38页 |
| 2.4.2 动态差分 | 第38-43页 |
| 2.4.3 重构效果评判 | 第43-45页 |
| 2.5 算法实现 | 第45-49页 |
| 2.6 本章小结 | 第49-51页 |
| 第3章 基于批量图像的压缩与重构 | 第51-67页 |
| 3.1 算法框架 | 第51-53页 |
| 3.1.1 优势与意义 | 第51-52页 |
| 3.1.2 框架描述 | 第52-53页 |
| 3.2 共性特征的获取 | 第53-58页 |
| 3.2.1 方法介绍 | 第53-54页 |
| 3.2.2 在医学图像中的表示 | 第54-55页 |
| 3.2.3 直方图统计 | 第55-56页 |
| 3.2.4 互信息计算 | 第56-58页 |
| 3.3 最优基图的获取 | 第58-65页 |
| 3.3.1 整体思路 | 第58-59页 |
| 3.3.2 方法介绍 | 第59-62页 |
| 3.3.3 实现过程 | 第62-65页 |
| 3.4 结果对比 | 第65-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 总结与展望 | 第67-69页 |
| 4.1 总结 | 第67页 |
| 4.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间参与的项目及成果 | 第75页 |
