基于压缩感知的深空图像压缩采样与恢复算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 深空图像压缩研究历史与现状 | 第10-11页 |
| 1.2.2 压缩感知理论的研究进展 | 第11-12页 |
| 1.3 现阶段研究工作存在的不足 | 第12-13页 |
| 1.4 本文的研究内容和章节安排 | 第13-15页 |
| 第2章 压缩感知理论基础 | 第15-28页 |
| 2.1 压缩感知理论的数学模型 | 第15-17页 |
| 2.2 信号的稀疏表示 | 第17-18页 |
| 2.3 观测矩阵构造 | 第18-23页 |
| 2.3.1 观测矩阵的数学约束条件 | 第18-21页 |
| 2.3.2 常用的观测矩阵 | 第21-23页 |
| 2.4 恢复算法 | 第23-27页 |
| 2.4.1 凸优化算法 | 第24页 |
| 2.4.2 贪婪迭代算法 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于压缩感知的深空图像压缩采样 | 第28-48页 |
| 3.1 研究背景 | 第28-29页 |
| 3.2 深空图像压缩采样中可快速编码观测矩阵构造 | 第29-42页 |
| 3.2.1 块加权矩阵构造 | 第29-34页 |
| 3.2.2 基于块加权矩阵的压缩感知观测矩阵构造 | 第34-36页 |
| 3.2.3 p RBWM性能分析 | 第36-42页 |
| 3.3 仿真实验与性能分析 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于压缩感知的深空图像恢复 | 第48-63页 |
| 4.1 研究背景 | 第48页 |
| 4.2 深空图像压缩采样中低复杂度恢复算法 | 第48-58页 |
| 4.2.1 压缩感知梯度追踪算法 | 第49-52页 |
| 4.2.2 压缩感知非单调超记忆梯度追踪算法 | 第52-56页 |
| 4.2.4 NSGP算法性能分析 | 第56-58页 |
| 4.3 实验仿真和结果分析 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 结束语 | 第63-65页 |
| 5.1 主要工作与创新点 | 第63-64页 |
| 5.2 后续研究工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |
