| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 压缩感知的基本理论 | 第8-18页 |
| ·引言 | 第8页 |
| ·压缩感知数学模型 | 第8-11页 |
| ·信号的稀疏表示 | 第11-12页 |
| ·压缩感知的信号重构 | 第12页 |
| ·二维图像信号的分块压缩感知 | 第12-16页 |
| ·图像信号的分块采样 | 第12-14页 |
| ·图像信号的优化重构 | 第14-16页 |
| ·论文的主要工作与安排 | 第16-18页 |
| 第二章 自适应压缩采样及多目标图像重构 | 第18-40页 |
| ·自适应压缩采样 | 第18-27页 |
| ·自适应压缩采样理论分析 | 第18-20页 |
| ·图像子块的稀疏度分析 | 第20-24页 |
| ·信号采样率的分配 | 第24-27页 |
| ·自适应采样算法流程 | 第27页 |
| ·多目标迭代的“投影——滤波”(MIPF)重构算法 | 第27-34页 |
| ·多目标约束信号重构算法 | 第28-29页 |
| ·非局部正则化先验约束 | 第29-30页 |
| ·增广拉格朗日模型(ALM)求解NLTV优化问题 | 第30-32页 |
| ·重构算法的初始解 | 第32-34页 |
| ·MIPF图像重构算法流程 | 第34页 |
| ·实验结果 | 第34-39页 |
| ·实验参数 | 第35页 |
| ·图像重构效果的对比 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于全变差的自适应压缩采样 | 第40-48页 |
| ·基于全变差的自适应采样的理论分析 | 第40-42页 |
| ·基于全变差的自适应采样算法 | 第42-44页 |
| ·实验结果 | 第44-45页 |
| ·本章小结 | 第45-48页 |
| 第四章 学习分块压缩感知 | 第48-62页 |
| ·学习压缩感知的理论分析 | 第48-49页 |
| ·学习压缩感知理论的空间模型 | 第49-51页 |
| ·非稀疏信号的采样矩阵的限制条件 | 第51-52页 |
| ·基于主成分分析(PCA)的信号投影 | 第52-54页 |
| ·实验结果 | 第54-59页 |
| ·基于图像结构的信号重构方法 | 第55-56页 |
| ·学习压缩感知实验 | 第56-59页 |
| ·本章小结 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 作者在读期间的研究成果 | 第74页 |