| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究背景与意义 | 第12-14页 |
| 1.2 课题的国内外研究现状 | 第14-17页 |
| 1.3 课题研究的主要内容及创新点 | 第17页 |
| 1.4 论文的结构安排 | 第17-19页 |
| 第二章 稀疏表示及过完备字典构造的基础理论 | 第19-29页 |
| 2.1 稀疏表示的基本概念 | 第19-20页 |
| 2.2 不同范数的稀疏表示问题 | 第20-22页 |
| 2.2.1 L_0范数最小优化模型 | 第20-21页 |
| 2.2.2 L_1范数最小优化模型 | 第21页 |
| 2.2.3 L_2范数优化模型 | 第21-22页 |
| 2.3 时频字典及字典学习理论 | 第22-24页 |
| 2.4 无监督字典学习 | 第24-28页 |
| 2.4.1 K-SVD字典学习方法 | 第24-26页 |
| 2.4.2 局部约束线性编码算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 L_1目标函数值和L_2约束间的近似线性关系 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 目标函数与约束函数间近线性关系 | 第29-34页 |
| 3.3 数值仿真结果 | 第34-40页 |
| 3.3.1 满足理想状态的信号实验 | 第34-37页 |
| 3.3.2 随机获得的数据信号实验 | 第37-39页 |
| 3.3.3 真实环境下的数据实验 | 第39-40页 |
| 3.4 L_2范数约束的设计 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 信号稀疏表示在视频质量评价中的应用 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 基于信号稀疏表示的视频质量评价 | 第44-48页 |
| 4.2.1 自然场景统计特征提取方法 | 第44-47页 |
| 4.2.2 基于稀疏表示的分类方法 | 第47-48页 |
| 4.3 实验仿真 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 总结 | 第52-53页 |
| 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文 | 第58-60页 |
| 致谢 | 第60页 |