| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 课题背景及研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-25页 |
| 1.2.1 天文图像压缩研究现状 | 第17-20页 |
| 1.2.2 天文图像去噪重建研究现状 | 第20-22页 |
| 1.2.3 压缩感知起源及在图像去噪中的应用 | 第22-25页 |
| 1.3 预备知识 | 第25-29页 |
| 1.3.1 天文图像特点 | 第25-26页 |
| 1.3.2 图像评价指标 | 第26-28页 |
| 1.3.3 图像噪声源及奇异性 | 第28-29页 |
| 1.4 本文的主要研究内容 | 第29-31页 |
| 第2章 CS理论及天文图像重建模型 | 第31-47页 |
| 2.1 引言 | 第31页 |
| 2.2 CS理论 | 第31-42页 |
| 2.2.1 CS基础知识及数学模型 | 第31-33页 |
| 2.2.2 信号的稀疏表示 | 第33-34页 |
| 2.2.3 测量矩阵选取及设计 | 第34-37页 |
| 2.2.4 CS重建模型及重构算法 | 第37-42页 |
| 2.3 CS天文图像重建 | 第42-46页 |
| 2.3.1 CS天文图像重建模型 | 第42-44页 |
| 2.3.2 CS去噪重建方案设计 | 第44-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 基于CS理论的天文图像压缩 | 第47-77页 |
| 3.1 引言 | 第47页 |
| 3.2 图像压缩重建算法 | 第47-59页 |
| 3.2.1 JPEG-HVS图像压缩重建算法 | 第47-52页 |
| 3.2.2 IJPEG2000图像压缩重建算法 | 第52-59页 |
| 3.3 基于CS的天文图像压缩重建算法 | 第59-68页 |
| 3.3.1 OMP算法 | 第59-62页 |
| 3.3.2 MIHT算法 | 第62-68页 |
| 3.4 实验结果及分析 | 第68-75页 |
| 3.4.1 普通图像实验 | 第69-71页 |
| 3.4.2 天文图像实验 | 第71-75页 |
| 3.5 本章小结 | 第75-77页 |
| 第4章 基于小波变换的天文图像去噪 | 第77-104页 |
| 4.1 引言 | 第77页 |
| 4.2 小波变换 | 第77-84页 |
| 4.2.1 小波定义和经典小波基 | 第77-79页 |
| 4.2.2 连续和离散小波变换 | 第79-81页 |
| 4.2.3 小波变换逼近能力分析及去噪原理 | 第81-84页 |
| 4.3 基于小波变换的天文图像去噪重建算法 | 第84-92页 |
| 4.3.1 问题描述 | 第84-88页 |
| 4.3.2 算法设计思路 | 第88-89页 |
| 4.3.3 下降VisuShrink阈值 | 第89-90页 |
| 4.3.4 基于CS的Dai-Yuan自适应步长算子 | 第90-91页 |
| 4.3.5 循环平移 | 第91-92页 |
| 4.3.6 算法实现 | 第92页 |
| 4.4 本章算法的收敛性及重建性能分析 | 第92-96页 |
| 4.4.1 Dai-Yuan步长算子对收敛性的影响 | 第93-94页 |
| 4.4.2 Dai-Yuan步长算子对重建性能的影响 | 第94-96页 |
| 4.5 实验结果及分析 | 第96-102页 |
| 4.6 小结 | 第102-104页 |
| 第5章 基于曲波变换的天文图像去噪 | 第104-130页 |
| 5.1 引言 | 第104页 |
| 5.2 从小波变换到多尺度分析 | 第104-106页 |
| 5.3 曲波变换 | 第106-114页 |
| 5.3.1 第一代Curvelet变换 | 第106-108页 |
| 5.3.2 第二代Curvelet变换 | 第108-112页 |
| 5.3.3 Curvelet变换性质及去噪原理 | 第112-114页 |
| 5.4 基于曲波变换的天文图像去噪重建算法 | 第114-121页 |
| 5.4.1 问题描述 | 第114-116页 |
| 5.4.2 算法设计思路 | 第116-117页 |
| 5.4.3 曲波Wiener滤波 | 第117-119页 |
| 5.4.4 CTV方法 | 第119-121页 |
| 5.4.5 算法实现 | 第121页 |
| 5.5 本章算法的重构性能及收敛性分析 | 第121-123页 |
| 5.6 实验结果及分析 | 第123-128页 |
| 5.7 小结 | 第128-130页 |
| 第6章 基于NSCT的天文图像去噪 | 第130-148页 |
| 6.1 引言 | 第130页 |
| 6.2 离散二维信号采样 | 第130-131页 |
| 6.3 非下采样轮廓波变换(NSCT) | 第131-138页 |
| 6.3.1 NSP分解 | 第132-133页 |
| 6.3.2 NSDFB分解 | 第133-134页 |
| 6.3.3 NSFB设计 | 第134-136页 |
| 6.3.4 NSCT非线性逼近能力分析及去噪原理 | 第136-138页 |
| 6.4 基于NSCT的天文图像去噪重建算法 | 第138-141页 |
| 6.4.1 问题描述 | 第138-139页 |
| 6.4.2 算法设计思路 | 第139页 |
| 6.4.3 阈值设计方案 | 第139-140页 |
| 6.4.4 算法实现 | 第140-141页 |
| 6.5 本章算法重建性能及收敛性分析 | 第141-142页 |
| 6.6 实验结果及分析 | 第142-147页 |
| 6.7 小结 | 第147-148页 |
| 结论 | 第148-151页 |
| 参考文献 | 第151-167页 |
| 攻读博士学位期间发表的论文 | 第167-169页 |
| 致谢 | 第169-170页 |
| 个人简历 | 第170页 |
