| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 压缩感知理论 | 第16-27页 |
| 2.1 压缩感知理论框架 | 第16-17页 |
| 2.2 稀疏表示 | 第17-19页 |
| 2.3 测量矩阵 | 第19-21页 |
| 2.4 重构算法 | 第21-25页 |
| 2.5 信号重构质量指标 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 常用测量矩阵研究 | 第27-39页 |
| 3.1 稀疏度K与M间的关系研究 | 第27-31页 |
| 3.1.1 高斯随机测量矩阵 | 第27-29页 |
| 3.1.2 伯努利随机测量矩阵 | 第29-30页 |
| 3.1.3 稀疏随机测量矩阵 | 第30页 |
| 3.1.4 局部哈达玛测量矩阵 | 第30-31页 |
| 3.2 常用测量矩阵的性能比较 | 第31-32页 |
| 3.3 测量矩阵的施密特正交化 | 第32-34页 |
| 3.3.1 施密特正交化方法 | 第32-33页 |
| 3.3.2 基于测量矩阵的施密特正交化 | 第33-34页 |
| 3.4 实验结果分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于结构组稀疏特征加权的重构算法 | 第39-51页 |
| 4.1 结构组稀疏表示模型 | 第39-41页 |
| 4.2 基于结构组稀疏特征加权的重构求解 | 第41-42页 |
| 4.3 实验结果分析 | 第42-50页 |
| 4.3.1 图像压缩感知重构 | 第43-50页 |
| 4.3.2 算法复杂度与计算时间 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于测量矩阵正交化改进的重构算法 | 第51-65页 |
| 5.1 测量矩阵的施密特正交化处理 | 第51-53页 |
| 5.2 基于测量矩阵正交化的结构组稀疏特征加权重构算法 | 第53-56页 |
| 5.3 实验结果分析 | 第56-64页 |
| 5.3.1 图像压缩感知重构 | 第57-63页 |
| 5.3.2 算法复杂度与计算时间 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文和科研项目 | 第72页 |