压缩感知采样和观测矩阵优化算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 主要研究内容 | 第13页 |
| 1.5 论文的组织结构 | 第13-15页 |
| 第二章 基于过完备字典稀疏表示的压缩感知 | 第15-23页 |
| 2.1 香农-奈奎斯特采样定理的局限性 | 第15页 |
| 2.2 压缩感知理论的提出 | 第15-16页 |
| 2.3 信号的稀疏表示 | 第16-18页 |
| 2.3.1 稀疏表示的定义 | 第16-17页 |
| 2.3.2 基于冗余字典的稀疏表示 | 第17-18页 |
| 2.4 观测矩阵的设计 | 第18-19页 |
| 2.4.1 有限等距性 | 第18页 |
| 2.4.2 不相干性 | 第18-19页 |
| 2.5 压缩感知重构模型 | 第19-20页 |
| 2.6 重构质量的评价方法 | 第20-22页 |
| 2.6.1 主观评价方法 | 第21页 |
| 2.6.2 客观评价方法 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 基于字典的自适应采样压缩感知算法 | 第23-31页 |
| 3.1 字典学习和SL0算法介绍 | 第23-25页 |
| 3.1.1 K-SVD字典学习算法 | 第23-24页 |
| 3.1.2 SL0算法 | 第24-25页 |
| 3.2 图像分块自适应采样 | 第25-29页 |
| 3.2.1 图像分块 | 第25页 |
| 3.2.2 自适应采样 | 第25-29页 |
| 3.3 实验结果与分析 | 第29-30页 |
| 3.3.1 实验环境 | 第29页 |
| 3.3.2 实验结果 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于Gram矩阵的观测矩阵优化 | 第31-46页 |
| 4.1 观测矩阵的分类和构造方法 | 第31-34页 |
| 4.1.1 随机观测矩阵 | 第31-32页 |
| 4.1.2 确定性观测矩阵 | 第32-33页 |
| 4.1.3 部分随机观测矩阵 | 第33-34页 |
| 4.2 基于Gram矩阵的优化观测矩阵设计 | 第34-37页 |
| 4.2.1 Elad优化方法 | 第35-36页 |
| 4.2.2 梯度下降优化法 | 第36-37页 |
| 4.3 基于特征值分解的观测矩阵优化算法 | 第37-39页 |
| 4.3.1 算法思想 | 第37-39页 |
| 4.3.2 算法设计 | 第39页 |
| 4.4 实验结果与分析 | 第39-45页 |
| 4.4.1 实验环境 | 第39页 |
| 4.4.2 常用优化方法的实验仿真 | 第39-42页 |
| 4.4.3 提出算法实验结果 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于多尺度的采样策略图像分块压缩感知算法 | 第46-56页 |
| 5.1 基于投影Landweber重构方法 | 第46-47页 |
| 5.2 基于全变差分自适应采样率分块压缩感知 | 第47-48页 |
| 5.3 基于多尺度自适应采样的块压缩感知算法 | 第48-50页 |
| 5.3.1 多尺度自适应采样 | 第48-49页 |
| 5.3.2 多尺度重构 | 第49-50页 |
| 5.4 实验结果 | 第50-54页 |
| 5.4.1 实验环境 | 第50-51页 |
| 5.4.2 实验结果 | 第51-54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 课题未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间主要的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
