| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 图像的质量评价标准 | 第13-14页 |
| 1.4 本文研究内容和章节安排 | 第14-16页 |
| 第2章 压缩感知基本原理 | 第16-28页 |
| 2.1 压缩感知的理论框架 | 第16-19页 |
| 2.2 压缩感知的主要构成 | 第19-24页 |
| 2.2.1 信号的稀疏表示 | 第19-21页 |
| 2.2.2 观测矩阵的设计 | 第21-23页 |
| 2.2.3 信号的重构算法 | 第23-24页 |
| 2.3 图像块分块压缩感知 | 第24-25页 |
| 2.4 压缩感知的应用 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于灰色关联度与方差联合图像块的字典训练 | 第28-42页 |
| 3.1 灰色关联度理论 | 第28-29页 |
| 3.2 字典学习算法 | 第29-32页 |
| 3.2.1 MOD算法 | 第30-31页 |
| 3.2.2 K-SVD算法 | 第31-32页 |
| 3.3 基于灰色关联度与方差的字典训练方法 | 第32-33页 |
| 3.4 实验仿真与分析 | 第33-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于非相干性的测量矩阵优化设计方法 | 第42-54页 |
| 4.1 常用的观测矩阵 | 第42-44页 |
| 4.2 测量矩阵的相关性及其优化方法 | 第44-45页 |
| 4.3 基于条件数的观测矩阵优化方法 | 第45-47页 |
| 4.4 实验仿真与分析 | 第47-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 基于图像特征字典训练与非相干性测量的重构 | 第54-62页 |
| 5.1 图像块分类的压缩感知重构算法模型 | 第54-55页 |
| 5.2 重构算法的确定 | 第55-56页 |
| 5.3 基于图像内外特征字典训练与非相干性测量的重构算法 | 第56-57页 |
| 5.4 实验仿真与分析 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 论文展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简介及科研成果 | 第68-70页 |
| 致谢 | 第70页 |