| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 本课题的研究背景和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 论文的研究内容和结构安排 | 第14-16页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 论文组织结构 | 第14-16页 |
| 第二章 压缩感知理论及其应用 | 第16-24页 |
| 2.1 压缩感知理论简介 | 第16-23页 |
| 2.1.1 信号的稀疏性和不相干性 | 第16-17页 |
| 2.1.2 信号的随机测量 | 第17-18页 |
| 2.1.3 常用的信号重建算法 | 第18-23页 |
| 2.2 压缩感知理论的优势及应用领域 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于压缩感知的图像自适应编码算法 | 第24-38页 |
| 3.1 分块压缩感知理论 | 第24-25页 |
| 3.2 稀疏性判定准则 | 第25-28页 |
| 3.3 基于压缩感知的图像自适应编码算法 | 第28-33页 |
| 3.3.1 固定采样率下的图像自适应编码算法 | 第28-31页 |
| 3.3.2 变采样率下图像自适应编码算法 | 第31-33页 |
| 3.4 实验结果及分析 | 第33-37页 |
| 3.4.1 固定采样率下的实验结果及分析 | 第33-34页 |
| 3.4.2 变采样率下的实验结果及分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于压缩感知的图像序列重建算法研究 | 第38-61页 |
| 4.1 现有基于压缩感知的图像序列处理方法介绍 | 第38-42页 |
| 4.1.1 基于空域稀疏性的图像序列采样编码及重构算法 | 第38-40页 |
| 4.1.2 利用小波域稀疏性的图像序列处理方法 | 第40-41页 |
| 4.1.3 基于运动补偿的分块压缩感知平滑投影重建算法介绍 | 第41-42页 |
| 4.2 基于自适应卡尔曼滤波的时域增强算法研究 | 第42-49页 |
| 4.2.1 自适应卡尔曼滤波算法原理 | 第42-44页 |
| 4.2.2 基于自适应卡尔曼滤波的时域增强算法 | 第44-49页 |
| 4.3 基于TVAL3的图像序列冗余重构算法 | 第49-60页 |
| 4.3.1 TVAL3重建算法简介 | 第49-50页 |
| 4.3.2 新三步搜索法介绍 | 第50-51页 |
| 4.3.3 基于TVAL3算法改进的图像序列冗余重构算法 | 第51-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文的工作 | 第61页 |
| 5.2 下一步工作的方向 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |
