| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题的研究意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-16页 |
| 1.2.1 图像的稀疏性 | 第12-13页 |
| 1.2.2 观测矩阵设计 | 第13-15页 |
| 1.2.3 重构算法研究 | 第15-16页 |
| 1.3 论文的研究内容和结构安排 | 第16-19页 |
| 1.3.1 论文主要研究内容 | 第16-17页 |
| 1.3.2 论文的结构安排 | 第17-19页 |
| 第二章 压缩感知原理及关键技术 | 第19-31页 |
| 2.1 压缩感知理论 | 第19-20页 |
| 2.2 压缩感知理论在图像处理中的应用 | 第20-24页 |
| 2.2.1 稀疏字典设计 | 第20-23页 |
| 2.2.2 图像的稀疏表示 | 第23-24页 |
| 2.3 常用的稀疏重构算法 | 第24-28页 |
| 2.3.1 匹配追踪算法 | 第24-25页 |
| 2.3.2 正交匹配追踪算法 | 第25-26页 |
| 2.3.3 基于似零范数的重构算法 | 第26-28页 |
| 2.3.4 基于平滑投影Landweber的重构算法 | 第28页 |
| 2.4 基于图像块的压缩感知实现 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于空间降采样的图像压缩感知算法 | 第31-49页 |
| 3.1 图像降采样和插值算法 | 第31-36页 |
| 3.1.1 插值算法 | 第31-34页 |
| 3.1.2 基于图像插值的降采样算法 | 第34-36页 |
| 3.2 基于传统降采样的图像压缩感知算法 | 第36-38页 |
| 3.3 基于优化降采样的图像压缩感知算法 | 第38-39页 |
| 3.4 以最小均方误差准则为指导的图像压缩感知算法 | 第39-41页 |
| 3.5 实验分析 | 第41-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于视觉感知的图像压缩感知采样 | 第49-65页 |
| 4.1 自适应图像压缩感知采样算法 | 第49-51页 |
| 4.2 自适应采样算法中分配因子的确定 | 第51-54页 |
| 4.2.1 视觉感知失真衡量 | 第51页 |
| 4.2.2 基于视觉感知失真的分配因子 | 第51-54页 |
| 4.3 基于视觉感知的自适应图像压缩感知算法 | 第54-58页 |
| 4.3.1 反馈式自适应图像压缩感知算法 | 第54-56页 |
| 4.3.2 分步式自适应图像压缩感知算法 | 第56-58页 |
| 4.4 实验分析 | 第58-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 论文总结 | 第65页 |
| 5.2 未来工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |