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

压缩感知稀疏表示和观测矩阵的研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-18页
    1.1 研究背景第11-12页
    1.2 研究现状第12-16页
        1.2.1 压缩感知研究现状第12-13页
        1.2.2 稀疏表示研究现状第13-15页
        1.2.3 观测矩阵研究现状第15-16页
    1.3 本文内容和章节安排第16-18页
第二章 相关技术第18-25页
    2.1 压缩感知理论第18-19页
        2.1.1 压缩感知的数学模型第18-19页
        2.1.2 压缩感知重构条件第19页
    2.2 稀疏表示相关理论第19-21页
        2.2.1 稀疏表示模型第19页
        2.2.2 基和支撑集第19-20页
        2.2.3 赋范向量空间第20页
        2.2.4 常用完备字典第20-21页
    2.3 观测矩阵相关理论第21-24页
        2.3.1 Spark常数第21-22页
        2.3.2 约束等距性准则第22页
        2.3.3 相干性准则第22-23页
        2.3.4 Welch界与等角紧框架第23页
        2.3.5 常用观测矩阵第23-24页
    2.4 本章小结第24-25页
第三章 结合系数重用正交匹配追踪的字典学习算法第25-38页
    3.1 自适应完备字典第25-27页
        3.1.1 字典学习算法目标函数第25-26页
        3.1.2 基于标记矩阵的目标函数第26-27页
    3.2 字典学习稀疏系数更新算法第27-29页
        3.2.1 稀疏系数分解算法第27页
        3.2.2 压缩采样追踪算法第27-28页
        3.2.3 系数重用算法第28-29页
    3.3 字典学习更新算法第29-32页
        3.3.1 K-SVD算法第29-31页
        3.3.2 结合系数重用正交匹配追踪的字典学习算法第31-32页
    3.4 仿真实验和结果分析第32-36页
        3.4.1 字典学习算法时间复杂度分析第32-33页
        3.4.2 算法重构性能仿真效果比较第33-34页
        3.4.3 压缩感知重构图像效果比较第34-36页
    3.5 本章小结第36-38页
第四章 基于矩阵变换的观测矩阵优化算法第38-52页
    4.1 观测矩阵优化算法第38-39页
        4.1.1 Gram矩阵优化算法第38-39页
        4.1.2 基于等角紧框架的梯度投影算法第39页
    4.2 自适应优化步长第39-40页
    4.3 矩阵变换算法第40-43页
        4.3.1 矩阵列独立性优化算法第40-42页
        4.3.2 矩阵行向量正交优化算法第42页
        4.3.3 算法有效性分析第42-43页
    4.4 改进的基于矩阵变换的观测矩阵优化算法第43-45页
    4.5 仿真实验和结果分析第45-51页
        4.5.1 一维合成信号仿真实验第45-48页
        4.5.2 二维图像信号仿真实验第48-51页
    4.6 本章小结第51-52页
第五章 稀疏确定性观测矩阵的构造算法第52-60页
    5.1 稀疏随机观测矩阵第52页
    5.2 确定性观测矩阵第52-53页
        5.2.1 托普利兹观测矩阵第53页
        5.2.2 循环观测矩阵第53页
    5.3 稀疏确定性观测矩阵第53-56页
        5.3.1 确定性二元块对角矩阵第53-54页
        5.3.2 改进的稀疏确定性观测矩阵第54-56页
    5.4 仿真实验和结果分析第56-59页
        5.4.1 图像信号客观效果比较第56-58页
        5.4.2 图像信号主观效果比较第58-59页
    5.5 本章小结第59-60页
总结与展望第60-62页
参考文献第62-67页
攻读硕士学位期间取得的研究成果第67-68页
致谢第68-69页
附件第69页

论文共69页,点击 下载论文
上一篇:基于先验保持的图像盲去模糊
下一篇:基于局部约束编码的有遮挡人脸校准及识别研究