| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-13页 |
| 1.2.1 经典压缩感知算法研究现状 | 第9-11页 |
| 1.2.2 图像信号模型及模型化压缩感知重构算法研究现状 | 第11-13页 |
| 1.3 现阶段研究工作存在的问题与不足 | 第13页 |
| 1.4 本文主要内容及结构安排 | 第13-15页 |
| 第2章 压缩感知基本理论 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 压缩感知理论基础 | 第15-19页 |
| 2.2.1 压缩感知理论概述 | 第15-18页 |
| 2.2.2 CS图像压缩基础 | 第18-19页 |
| 2.3 经典的CS重构算法及其优化算法 | 第19-27页 |
| 2.3.1 匹配追踪算法（MP） | 第20-21页 |
| 2.3.2 正交匹配追踪算法（OMP） | 第21-22页 |
| 2.3.3 压缩采样匹配追踪算法（CoSaMP） | 第22-23页 |
| 2.3.4 迭代硬阈值算法（IHT） | 第23-25页 |
| 2.3.5 正规化的迭代硬阈值算法（NIHT） | 第25-26页 |
| 2.3.6 加速的迭代硬阈值算法（AIHT） | 第26-27页 |
| 2.4 实验对比与结果分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 图像小波表示系数的结构与统计特征 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 小波变换 | 第31-34页 |
| 3.3 图像小波树结构模型及近似算法 | 第34-38页 |
| 3.3.1 小波树结构模型 | 第34-35页 |
| 3.3.2 树结构近似算法 | 第35-38页 |
| 3.4 图像统计先验及分布模型 | 第38-42页 |
| 3.4.1 图像信号的非高斯统计特性 | 第38页 |
| 3.4.2 隐马尔科夫树结构模型 | 第38-40页 |
| 3.4.3 图像的高斯尺度混合模型 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 统计与结构先验联合利用的压缩感知图像重构 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 基于树结构模型的CS图像重构算法 | 第43-44页 |
| 4.3 基于高斯尺度混合模型的CS图像重构算法 | 第44-45页 |
| 4.4 统计与结构先验联合利用的CS图像重构 | 第45-50页 |
| 4.4.1 GSM-CSSA-IHT算法 | 第46-48页 |
| 4.4.2 树结构增强的GSM-CSSA-Tree-IHT算法 | 第48-50页 |
| 4.5 实验对比与结果分析 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |