| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究背景及意义 | 第7-9页 |
| ·压缩感知与稀疏重建算法研究现状 | 第9-11页 |
| ·本文主要工作和文章结构 | 第11-13页 |
| ·主要工作 | 第11-12页 |
| ·文章结构 | 第12-13页 |
| 2 压缩感知算法研究 | 第13-27页 |
| ·压缩感知与稀疏优化理论框架 | 第13-18页 |
| ·压缩感知理论框架 | 第13-14页 |
| ·信号的稀疏表达 | 第14-17页 |
| ·测量矩阵的设计 | 第17-18页 |
| ·重建算法 | 第18-22页 |
| ·最小1_1范数模型 | 第18-19页 |
| ·贪婪算法 | 第19-20页 |
| ·最小1_p-范数非凸优化模型 | 第20-22页 |
| ·Bayesian模型方法 | 第22页 |
| ·基于Bayesian CS改进的Laplace分布压缩感知算法 | 第22-24页 |
| ·实验部分：重构算法比较 | 第24-27页 |
| 3 压缩感知全变差模型在图像降噪中的应用 | 第27-39页 |
| ·基于Frobenius-范数的压缩感知全变差模型在图像降噪中的应用 | 第27-30页 |
| ·实验结果 | 第30-39页 |
| 4 压缩感知全变差模型在图像去模糊中的应用 | 第39-49页 |
| ·基于Frobenius-范数的压缩感知全变差模型在图像去模糊问题中的应用 | 第39-41页 |
| ·实验结果 | 第41-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
