多维稀疏信号重构算法研究及应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 压缩感知重构算法研究现状 | 第15-17页 |
| 1.2.2 基于GPU并行优化算法研究现状 | 第17-18页 |
| 1.2.3 压缩感知理论应用研究现状 | 第18-19页 |
| 1.2.4 需要解决的关键问题 | 第19-20页 |
| 1.3 研究内容 | 第20页 |
| 1.4 研究方法与技术路线 | 第20-22页 |
| 1.4.1 研究方法 | 第20页 |
| 1.4.2 技术路线 | 第20-21页 |
| 1.4.3 具体研究方案 | 第21-22页 |
| 1.5 论文组织结构 | 第22-24页 |
| 第2章 二维子空间追踪重构算法 | 第24-45页 |
| 2.1 压缩感知理论 | 第24-26页 |
| 2.1.1 稀疏表示 | 第24-25页 |
| 2.1.2 测量矩阵 | 第25页 |
| 2.1.3 重构算法 | 第25-26页 |
| 2.22D-OMP重构算法 | 第26-30页 |
| 2.2.1 算法介绍 | 第27-28页 |
| 2.2.2 算法分析 | 第28-30页 |
| 2.3 二维子空间追踪算法 | 第30-33页 |
| 2.3.1 基本实现原理 | 第30-32页 |
| 2.3.2 时间复杂度分析 | 第32-33页 |
| 2.3.3 空间复杂度分析 | 第33页 |
| 2.4 实验对比分析 | 第33-43页 |
| 2.4.1 精确重构 | 第33-34页 |
| 2.4.2 两种算法对比分析 | 第34-35页 |
| 2.4.3 重构质量分析 | 第35-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 三维正交匹配追踪重构算法 | 第45-64页 |
| 3.1 三维分离处理 | 第45-49页 |
| 3.1.1 三维稀疏变换和分离测量 | 第45-46页 |
| 3.1.2 相关性分析 | 第46-47页 |
| 3.1.3 有限等距性质分析 | 第47-48页 |
| 3.1.4 编码端复杂度分析 | 第48-49页 |
| 3.2 三维正交匹配追踪算法 | 第49-54页 |
| 3.2.1 三维原子与字典 | 第50-51页 |
| 3.2.2 三维映射 | 第51页 |
| 3.2.3 最小二乘法求解 | 第51-53页 |
| 3.2.4 迭代求逆 | 第53-54页 |
| 3.3 重构算法分析 | 第54-55页 |
| 3.3.1 时间复杂度分析 | 第54-55页 |
| 3.3.2 空间复杂度分析 | 第55页 |
| 3.4 实验对比分析 | 第55-62页 |
| 3.4.1 精确重构 | 第55-56页 |
| 3.4.23D-OMP算法性能分析 | 第56-58页 |
| 3.4.3 采用真实图像的算法对比分析 | 第58-60页 |
| 3.4.4 重构质量分析 | 第60-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第4章 基于GPU并行优化重构算法研究 | 第64-88页 |
| 4.1 并行编程技术研究 | 第64-69页 |
| 4.1.1 NVIDIA GPU硬件架构 | 第64-67页 |
| 4.1.2 CUDA计算架构 | 第67-69页 |
| 4.1.3 并行优化策略 | 第69页 |
| 4.2 3D-OMP算法并行性分析 | 第69-73页 |
| 4.2.1 三维映射 | 第70-71页 |
| 4.2.2 寻找最大值 | 第71页 |
| 4.2.3 迭代求逆 | 第71页 |
| 4.2.4 计算向量v | 第71-72页 |
| 4.2.5 估计信号 | 第72页 |
| 4.2.6 计算残差 | 第72-73页 |
| 4.3 并行设计 3D-OMP算法 | 第73-80页 |
| 4.3.1 并行设计三维映射 | 第73-74页 |
| 4.3.2 并行设计寻找最匹配的原子 | 第74-75页 |
| 4.3.3 并行设计迭代求逆 | 第75-77页 |
| 4.3.4 并行计算向量 | 第77-79页 |
| 4.3.5 并行设计估值信号 | 第79-80页 |
| 4.3.6 并行计算残差 | 第80页 |
| 4.4 实验结果与分析 | 第80-86页 |
| 4.4.1 实验条件 | 第80页 |
| 4.4.2 实验对象 | 第80-81页 |
| 4.4.3 实验方法 | 第81页 |
| 4.4.4 实验分析与优化 | 第81-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第5章 基于压缩感知的病害识别模型研究 | 第88-105页 |
| 5.1 图像获取与预处理 | 第88-90页 |
| 5.1.1 图像获取 | 第88页 |
| 5.1.2 图像预处理 | 第88-90页 |
| 5.2 病斑分割与特征提取 | 第90-95页 |
| 5.2.1 基于水平集的病斑分割 | 第90-92页 |
| 5.2.2 病斑特征提取 | 第92-95页 |
| 5.3 基于压缩感知理论建立识别模型 | 第95-100页 |
| 5.3.1 稀疏表示模型 | 第95-97页 |
| 5.3.2 重构算法求解 | 第97-100页 |
| 5.4 基于支持向量机建立病害识别模型 | 第100-101页 |
| 5.5 实验结果与分析 | 第101-103页 |
| 5.5.1 实验条件 | 第101页 |
| 5.5.2 实验对象 | 第101页 |
| 5.5.3 实验方法 | 第101-102页 |
| 5.5.4 实验结果分析 | 第102-103页 |
| 5.6 本章小结 | 第103-105页 |
| 第6章 结论与展望 | 第105-108页 |
| 6.1 结论 | 第105-107页 |
| 6.2 创新点 | 第107页 |
| 6.3 展望 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 致谢 | 第116-117页 |
| 作者简介 | 第117页 |
