基于压缩感知框架的选择性重构方法
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·压缩感知理论简介 | 第7-8页 |
| ·压缩感知理论的应用 | 第8页 |
| ·特定目标选择性重构研究背景 | 第8-9页 |
| ·本文内容安排 | 第9-11页 |
| 第二章 分块压缩感知技术 | 第11-19页 |
| ·压缩感知理论的基本框架 | 第11-14页 |
| ·观测矩阵的设计 | 第12页 |
| ·信号重构算法设计 | 第12-13页 |
| ·现有重构算法性能比较 | 第13-14页 |
| ·分块压缩感知 | 第14-16页 |
| ·分块压缩感知简介 | 第14-15页 |
| ·分块压缩感知重构结果 | 第15-16页 |
| ·本章小结 | 第16-19页 |
| 第三章 基于 DCT 变换的选择性重构方法 | 第19-43页 |
| ·特定目标选择性重构理论 | 第19-20页 |
| ·加权 L2 范数重构 | 第20-23页 |
| ·加权 L2 范数重构原理 | 第20-22页 |
| ·加权 L2 范数重构实验结果 | 第22-23页 |
| ·加权 L1 范数方法 | 第23-35页 |
| ·L1 范数再加权重构算法 | 第23-25页 |
| ·样本相似度评价准则 | 第25-26页 |
| ·加入样本相似度约束的加权 L1 范数方法原理 | 第26-29页 |
| ·加权 L1 范数方法实验结果 | 第29-35页 |
| ·分块再重组加权方法 | 第35-40页 |
| ·分块再重组加权方法原理 | 第35-36页 |
| ·分块再重组加权方法实验结果 | 第36-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 基于适应性稀疏表示字典的选择性重构方法 | 第43-55页 |
| ·稀疏表示理论概述 | 第43-47页 |
| ·图像稀疏表示模型 | 第43-44页 |
| ·稀疏分解算法 | 第44-46页 |
| ·稀疏表示与压缩感知的关系 | 第46-47页 |
| ·稀疏表示字典 | 第47-48页 |
| ·K-SVD 字典 | 第47-48页 |
| ·直接字典 | 第48页 |
| ·基于稀疏表示的选择性重构 | 第48-51页 |
| ·基于 K-SVD 字典的选择性重构 | 第49页 |
| ·基于直接字典的选择性重构 | 第49-51页 |
| ·加权 L2 范数重构再表示方法 | 第51-53页 |
| ·加权 L2 范数重构再表示方法原理 | 第51-52页 |
| ·加权 L2 范数重构再表示方法实验结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 硕士期间的研究成果 | 第65-66页 |
