首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于压缩感知的高光谱图像重建算法研究

摘要第1-5页
ABSTRACT第5-7页
目录第7-13页
第一章 绪论第13-22页
   ·引言第13-15页
   ·高光谱图像特征分析第15-17页
     ·高光谱图像特征第15-16页
     ·空间相关性分析第16页
     ·谱间相关性分析第16-17页
   ·高光谱图像压缩技术研究现状第17-18页
   ·研究课题的提出及本文工作的安排第18-22页
     ·高光谱图像压缩感知问题提出第18-19页
     ·本文使用的高光谱数据第19-20页
     ·本文主要内容及结构安排第20-22页
第二章 压缩感知理论第22-30页
   ·引言第22-23页
   ·压缩感知基本理论第23-27页
     ·压缩感知理论框架第23-24页
     ·稀疏分解第24-25页
     ·测量矩阵第25-26页
     ·重构算法第26-27页
   ·压缩感知理论的应用前景第27-29页
     ·压缩感知成像第27-28页
     ·压缩感知采样第28-29页
     ·分布式压缩感知第29页
   ·本章小结第29-30页
第三章 基于投影率预分配的分块压缩感知第30-37页
   ·图像熵估计第30页
   ·投影率预分配第30-32页
   ·基于投影率预分配的 BCS-SPL 算法第32-33页
     ·BCS-SPL 算法第32-33页
     ·基于投影率预分配的 BCS-SPL 改进算法第33页
   ·算法性能分析第33-36页
   ·本章小结第36-37页
第四章 基于谱间线性滤波高光谱图像压缩感知第37-46页
   ·图像小波变换第37-38页
   ·谱间线性滤波模型第38-39页
   ·基于谱间线性滤波高光谱图像压缩感知算法第39-42页
     ·梯度投影算法第39-40页
     ·基于谱间线性滤波的 GPSR 改进方法第40-42页
   ·算法性能分析第42-45页
   ·本章小结第45-46页
第五章 基于谱间去相关模型高光谱图像压缩感知算法第46-54页
   ·最佳线性预测第46页
   ·构建谱间去相关模型第46-48页
   ·基于去相关模型迭代硬阈值重构算法第48-50页
   ·算法性能分析第50-52页
   ·本章小结第52-54页
第六章 总结与展望第54-56页
参考文献第56-60页
致谢第60-61页
攻读硕士期间发表的论文第61页

论文共61页,点击 下载论文
上一篇:低信噪比环境下超高频RFID系统建模与抗干扰研究
下一篇:基于可见光与红外图像融合的目标识别研究