张量压缩感知下的字典学习算法及应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 压缩感知理论 | 第9-10页 |
| 1.2.2 张量压缩感知 | 第10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 第2章 稀疏表示的理论基础 | 第12-20页 |
| 2.1 稀疏表示理论 | 第12-18页 |
| 2.1.1 稀疏表示理论及模型 | 第12-14页 |
| 2.1.2 稀疏表示算法 | 第14-16页 |
| 2.1.3 字典学习算法 | 第16-18页 |
| 2.2 本章小结 | 第18-20页 |
| 第3章 张量压缩感知 | 第20-40页 |
| 3.1 张量及其性质 | 第20-26页 |
| 3.1.1 张量简介 | 第20-21页 |
| 3.1.2 张量的基本运算 | 第21-26页 |
| 3.2 张量的稀疏表示算法 | 第26-29页 |
| 3.3 张量的字典学习算法 | 第29-34页 |
| 3.3.1 KDL字典学习算法 | 第29-30页 |
| 3.3.2 HOSVDDL字典学习算法 | 第30-34页 |
| 3.4 理论支撑 | 第34-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 视频压缩感知及重构 | 第40-48页 |
| 4.1 数据模拟 | 第40-41页 |
| 4.2 彩色图像重构 | 第41页 |
| 4.3 视频序列重构 | 第41-45页 |
| 4.4 本章小结 | 第45-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
