压缩感知关键技术及其在图像处理中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究的背景与意义 | 第8-11页 |
| 1.2 本文主要研究内容及其创新点 | 第11-12页 |
| 1.3 本文的结构安排 | 第12-13页 |
| 第2章 压缩感知理论与方法简介 | 第13-33页 |
| 2.1 信号稀疏表示 | 第15-19页 |
| 2.1.1 冗余稀疏表示模型 | 第16-17页 |
| 2.1.2 信号稀疏表示的主要方法 | 第17-19页 |
| 2.2 测量矩阵优化 | 第19-21页 |
| 2.3 重构算法 | 第21-30页 |
| 2.3.1 贪婪追踪算法 | 第21-26页 |
| 2.3.2 阈值迭代算法 | 第26-28页 |
| 2.3.3 组合优化算法 | 第28-30页 |
| 2.4 压缩感知的应用 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于最优小波包基的压缩感知图像处理 | 第33-40页 |
| 3.1 小波包基本理论简介 | 第33-36页 |
| 3.1.1 小波包基本原理 | 第33-34页 |
| 3.1.2 小波包子空间分解 | 第34-35页 |
| 3.1.3 小波包的分解与重建 | 第35-36页 |
| 3.2 基于最优小波包基的压缩感知图像处理 | 第36-37页 |
| 3.3 仿真实验与结果分析 | 第37-39页 |
| 3.3.1 重构图像对比 | 第37-38页 |
| 3.3.2 峰值信噪比对比 | 第38-39页 |
| 3.3.3 信号稀疏分解时间和信号重构时间对比 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 压缩感知中测量矩阵的分块构造 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 基于分块的投影矩阵设计 | 第40-43页 |
| 4.3 仿真结果与分析 | 第43-46页 |
| 4.3.1 互相关性对比分析 | 第43-44页 |
| 4.3.2 不同测量数目下相对误差对比分析 | 第44-45页 |
| 4.3.3 不同稀疏度下相对误差对比分析 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于分步子空间追踪的稀疏信号重构 | 第48-62页 |
| 5.1 OMP与SP算法简介 | 第48-53页 |
| 5.1.1 OMP算法 | 第48-50页 |
| 5.1.2 SP算法 | 第50-53页 |
| 5.2 基于分步子空间追踪的稀疏信号重构 | 第53-54页 |
| 5.3 仿真实验与结果分析 | 第54-61页 |
| 5.3.1 一维稀疏信号重构对比 | 第54-57页 |
| 5.3.2 二维真实图像信号重构对比 | 第57-60页 |
| 5.3.3 峰值信噪比与重构时间对比 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表论文和科研成果 | 第68页 |
