| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和研究意义 | 第10-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-15页 |
| 1.2.1 研究现状 | 第12-14页 |
| 1.2.2 发展趋势 | 第14-15页 |
| 1.3 本文研究内容简介 | 第15-18页 |
| 第2章 基于CS的监控视频稀疏表示与压缩重构模型 | 第18-26页 |
| 2.1 压缩感知概述 | 第18-23页 |
| 2.1.1 字典学习 | 第19-20页 |
| 2.1.2 感知矩阵优化 | 第20-21页 |
| 2.1.3 多维压缩感知 | 第21-23页 |
| 2.2 基于CS的监控视频处理模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于BRLS的监控视频稀疏表示与多字典集成学习 | 第26-44页 |
| 3.1 BRLS字典学习算法与监控视频的稀疏表示 | 第26-30页 |
| 3.1.1 BRLS字典学习算法 | 第26-28页 |
| 3.1.2 监控视频稀疏表示 | 第28-30页 |
| 3.2 多字典集成学习 | 第30-32页 |
| 3.3 实验仿真 | 第32-42页 |
| 3.3.1 静态图像及监控视频的稀疏表示 | 第32-39页 |
| 3.3.2 多字典集成学习与图像稀疏表示 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于多字典的监控视频压缩与多维稀疏表示 | 第44-55页 |
| 4.1 基于多字典半张量积CS系统的图像压缩 | 第44-48页 |
| 4.2 基于多维CS的监控视频分块稀疏表示 | 第48-49页 |
| 4.3 实验仿真 | 第49-54页 |
| 4.3.1 多字典与半张量积压缩 | 第49-52页 |
| 4.3.2 多字典多维分块稀疏表示 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果及发表的论文 | 第65-66页 |