| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第17-29页 |
| 1.1 研究背景与意义 | 第17-18页 |
| 1.2 国内外研究现状分析 | 第18-26页 |
| 1.2.1 压缩感知理论 | 第19-21页 |
| 1.2.2 压缩感知图像与视频采集 | 第21-23页 |
| 1.2.3 压缩感知信号重建 | 第23-26页 |
| 1.3 论文主要工作与贡献 | 第26-27页 |
| 1.4 论文的组织 | 第27-29页 |
| 第2章 压缩感知基础理论 | 第29-53页 |
| 2.1 信号的稀疏表示与字典学习 | 第29-32页 |
| 2.1.1 信号的稀疏表示 | 第29-31页 |
| 2.1.2 稀疏表示字典学习 | 第31-32页 |
| 2.2 非相干感知与测量矩阵 | 第32-39页 |
| 2.2.1 压缩感知信号精确恢复条件 | 第32-34页 |
| 2.2.2 常用测量矩阵 | 第34-39页 |
| 2.3 压缩感知信号重建 | 第39-52页 |
| 2.3.1 压缩感知信号重建优化模型 | 第39-41页 |
| 2.3.2 压缩感知信号重建算法 | 第41-52页 |
| 2.4 本章小节 | 第52-53页 |
| 第3章 帧内预测的压缩感知图像重建算法 | 第53-73页 |
| 3.1 引言 | 第53-54页 |
| 3.2 基于分块的压缩感知图像测量与重建 | 第54-55页 |
| 3.3 帧内预测的压缩感知图像重建 | 第55-65页 |
| 3.3.1 预测模式定义 | 第56-59页 |
| 3.3.2 基于帧内预测残差的压缩感知图像重建 | 第59-61页 |
| 3.3.3 块效应及噪声消除 | 第61-65页 |
| 3.4 实验结果 | 第65-71页 |
| 3.5 本章小结 | 第71-73页 |
| 第4章 残差域字典学习的压缩感知视频重建算法 | 第73-99页 |
| 4.1 引言 | 第73-74页 |
| 4.2 稀疏字典学习 | 第74-77页 |
| 4.3 投影LANDWEBER迭代算法 | 第77-78页 |
| 4.4 运动估计残的差域字典学习的压缩感知视频重建 | 第78-84页 |
| 4.4.1 KLT自适应字典学习 | 第79-82页 |
| 4.4.2 基于ME/MC的残差重建 | 第82-84页 |
| 4.5 实验结果 | 第84-96页 |
| 4.5.1 不含噪声的视频图像重建 | 第85-91页 |
| 4.5.2 含有噪声的视频图像重建 | 第91-96页 |
| 4.6 本章小结 | 第96-99页 |
| 第5章 基于低秩约束的压缩感知图像与视频重建算法 | 第99-128页 |
| 5.1 引言 | 第99-100页 |
| 5.2 低秩约束理论 | 第100-104页 |
| 5.2.1 低秩优化模型 | 第100-102页 |
| 5.2.2 低秩优化算法 | 第102-104页 |
| 5.3 低秩约束的压缩感知图像重建 | 第104-108页 |
| 5.4 实验结果 | 第108-127页 |
| 5.4.1 实验参数设置 | 第108-110页 |
| 5.4.2 2D辐射傅立叶变换采样 | 第110-120页 |
| 5.4.3 高斯随机分块测量 | 第120-127页 |
| 5.5 本章小结 | 第127-128页 |
| 结论 | 第128-130页 |
| 参考文献 | 第130-145页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第145-146页 |
| 附录B 攻读学位期间所参加的科研项目 | 第146-147页 |
| 致谢 | 第147-148页 |