基于分块的压缩采样方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 图像压缩感知研究现状 | 第13-14页 |
| 1.2.2 传感器网络中压缩感知研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关理论 | 第17-24页 |
| 2.1 压缩感知理论 | 第17-19页 |
| 2.1.1 信号稀疏变换 | 第18页 |
| 2.1.2 压缩测量 | 第18-19页 |
| 2.1.3 重构信号 | 第19页 |
| 2.2 图像分割相关理论 | 第19-21页 |
| 2.3 传感器网络 | 第21-23页 |
| 2.3.1 传感器网络系统结构 | 第21-22页 |
| 2.3.2 传感器网络数据收集方法 | 第22-23页 |
| 2.4 信号重构衡量指标 | 第23页 |
| 2.4.1 峰值信噪比 | 第23页 |
| 2.4.2 MSSIM | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于显著性的聚类分块压缩采样 | 第24-39页 |
| 3.1 引言 | 第24-25页 |
| 3.2 图像分块 | 第25-26页 |
| 3.3 基于图像显著性的聚类分块压缩采样方法 | 第26-33页 |
| 3.3.1 图像分割 | 第26-28页 |
| 3.3.2 图像的显著性 | 第28-30页 |
| 3.3.3 基于显著性聚类分块 | 第30-32页 |
| 3.3.4 自适应采样 | 第32-33页 |
| 3.3.5 不规则子块还原 | 第33页 |
| 3.4 实验结果及分析 | 第33-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 起点分块随机游走压缩采样方法 | 第39-57页 |
| 4.1 引言 | 第39-40页 |
| 4.2 压缩感知在传感器网络中的应用 | 第40-42页 |
| 4.2.1 基本框架 | 第40-41页 |
| 4.2.2 传感器网络中压缩感知采用方法 | 第41-42页 |
| 4.3 随机游走算法 | 第42-44页 |
| 4.4 起点分块传感器网络随机游走方法 | 第44-48页 |
| 4.4.1 分块权重 | 第44页 |
| 4.4.2 探测随机游走 | 第44-46页 |
| 4.4.3 起点分块随机游走测量矩阵 | 第46-47页 |
| 4.4.4 采样分配 | 第47页 |
| 4.4.5 起点分块随机游走采样算法 | 第47-48页 |
| 4.5 实验结果及分析 | 第48-56页 |
| 4.5.1 k-稀疏信号实验分析 | 第48-53页 |
| 4.5.2 可压缩信号实验分析 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第64页 |
