基于字典学习和低秩逼近的视频重构技术研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 压缩感知研究现状 | 第10-11页 |
| 1.2.2 视频压缩感知技术研究现状 | 第11-12页 |
| 1.3 主要研究内容和结构组织 | 第12-14页 |
| 第2章 视频压缩感知基础 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 压缩感知理论 | 第14-19页 |
| 2.2.1 压缩感知基础 | 第14-16页 |
| 2.2.2 测量矩阵 | 第16-17页 |
| 2.2.3 压缩重构算法 | 第17-19页 |
| 2.3 时分复用相机模型 | 第19-24页 |
| 2.3.1 空间光调制器 | 第20-22页 |
| 2.3.2 单像素压缩相机 | 第22-23页 |
| 2.3.3 编码孔径时域压缩成像系统 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 双分辨率字典学习算法 | 第25-38页 |
| 3.1 引言 | 第25-26页 |
| 3.2 字典学习算法 | 第26-31页 |
| 3.2.1 MOD算法 | 第26-27页 |
| 3.2.2 GPCA算法 | 第27页 |
| 3.2.3 KSVD算法 | 第27-29页 |
| 3.2.4 双分辨率字典学习 | 第29-31页 |
| 3.3 实验结果 | 第31-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于低秩逼近和字典学习的视频重构算法 | 第38-59页 |
| 4.1 引言 | 第38页 |
| 4.2 低秩与稀疏模型 | 第38-41页 |
| 4.3 基于低秩逼近和字典学习的视频重构算法 | 第41-46页 |
| 4.3.1 CACTI视频压缩系统 | 第41-42页 |
| 4.3.2 在线视频帧图像块聚类 | 第42-44页 |
| 4.3.3 重建优化模型与求解 | 第44-46页 |
| 4.4 实验结果与分析 | 第46-58页 |
| 4.4.1 实验条件 | 第46-49页 |
| 4.4.2 重建质量分析 | 第49-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间的研究成果 | 第66页 |
