| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外发展趋势和研究现状 | 第11-14页 |
| ·压缩感知采样算法发展及研究现状 | 第12页 |
| ·压缩感知重构算法发展及研究现状 | 第12-14页 |
| ·论文章节安排 | 第14-16页 |
| 第2章 压缩感知理论 | 第16-31页 |
| ·压缩感知理论简介 | 第16-18页 |
| ·压缩感知问题描述 | 第16页 |
| ·压缩感知理论数学模型 | 第16-18页 |
| ·压缩感知理论的研究内容 | 第18-21页 |
| ·信号的稀疏变换 | 第18-19页 |
| ·设计合适的观测矩阵 | 第19-21页 |
| ·压缩感知理论的关键问题 | 第21-27页 |
| ·分块压缩感知的描述 | 第21页 |
| ·信号的重构算法 | 第21-27页 |
| ·压缩感知理论的硬件实现 | 第27-28页 |
| ·图像质量评价标准 | 第28-29页 |
| ·压缩感知理论的应用前景 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于稀疏度拟合的图像自适应压缩感知算法 | 第31-46页 |
| ·分块压缩感知 | 第31页 |
| ·基于TV准则的图像分块重构算法 | 第31-36页 |
| ·最小全变分算法(TV) | 第31-32页 |
| ·TV准则的梯度计算方法 | 第32-33页 |
| ·不同重构算法实验结果分析比较 | 第33-36页 |
| ·不同采样率重构效果的比较 | 第36-37页 |
| ·图像稀疏度的判断准则 | 第37页 |
| ·精确自适应选择采样率 | 第37-39页 |
| ·基于最小二乘法的数据拟合 | 第39-43页 |
| ·拟合优度原理及最佳阶数选择 | 第39-41页 |
| ·实验拟合结果 | 第41-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于Bessel边缘提取的多尺度自适应压缩感知 | 第46-63页 |
| ·小波变换 | 第46-49页 |
| ·小波的概念 | 第46页 |
| ·小波展开 | 第46-47页 |
| ·小波多分辨分析 | 第47-49页 |
| ·小波多尺度BCS理论基础 | 第49-51页 |
| ·MS-BCS-SPL问题描述 | 第49-50页 |
| ·多尺度重构算法 | 第50-51页 |
| ·Bessel边缘检测方法 | 第51-55页 |
| ·Bessel边缘检测方法介绍 | 第51-52页 |
| ·实验仿真参数设置及说明 | 第52-53页 |
| ·Bessel边缘检测方法优势及分析 | 第53-55页 |
| ·利用Bessel边缘提取的多尺度自适应采样方法 | 第55-58页 |
| ·实验仿真结果与分析 | 第58-61页 |
| ·实验说明及参数设置 | 第58页 |
| ·分块大小及分解尺寸对算法性能的影响 | 第58-59页 |
| ·实验整体性能结果与分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·未来工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表论文与研究成果清单 | 第69-70页 |
| 致谢 | 第70页 |