| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 图像压缩感知研究现状 | 第14-15页 |
| 1.2.2 传感器网络中压缩感知研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 相关理论 | 第19-29页 |
| 2.1 压缩感知理论 | 第19-22页 |
| 2.1.1 压缩感知理论概述 | 第19-21页 |
| 2.1.2 信号的稀疏表示 | 第21页 |
| 2.1.3 测量矩阵的设计 | 第21-22页 |
| 2.1.4 信号重构算法 | 第22页 |
| 2.2 图像分块压缩感知 | 第22-26页 |
| 2.2.1 分块平滑投影Landweber迭代重构算法 | 第23-24页 |
| 2.2.2 基于特征的自适应图像分块压缩感知 | 第24-25页 |
| 2.2.3 图像质量评价指标 | 第25-26页 |
| 2.3 无线传感器网络中的数据存储 | 第26-28页 |
| 2.3.1 无线传感器网络系统结构 | 第26-27页 |
| 2.3.2 CS在无线传感器网络的应用——数据存储 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于显著性的二次分块压缩采样 | 第29-46页 |
| 3.1 引言 | 第29-30页 |
| 3.2 图像分块压缩感知 | 第30-33页 |
| 3.3 基于图像显著性的二次分块压缩采样策略 | 第33-40页 |
| 3.3.1 图像显著性 | 第33-37页 |
| 3.3.2 基于显著性的二次分块 | 第37-39页 |
| 3.3.3 自适应采样 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 概率随机游走数据存储方法 | 第46-64页 |
| 4.1 引言 | 第46-48页 |
| 4.1.1 相关研究 | 第46-47页 |
| 4.1.2 随机游走 | 第47-48页 |
| 4.2 网络模型与问题描述 | 第48-49页 |
| 4.2.1 网络模型 | 第48-49页 |
| 4.2.2 问题描述 | 第49页 |
| 4.3 概率随机游走策略 | 第49-53页 |
| 4.3.1 初始化阶段 | 第50页 |
| 4.3.2 源节点编码阶段与存储 | 第50-52页 |
| 4.3.3 重构阶段 | 第52-53页 |
| 4.4 理论分析 | 第53-57页 |
| 4.4.1 CS的重构性能 | 第53-56页 |
| 4.4.2 数据传播开销分析 | 第56-57页 |
| 4.5 仿真与实验结果分析 | 第57-63页 |
| 4.5.1 仿真参数与平台 | 第57页 |
| 4.5.2 实验结果分析 | 第57-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |