| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文内容 | 第11-13页 |
| 2 基于压缩感知的图像重建算法 | 第13-34页 |
| 2.1 迭代法图像重建 | 第13-16页 |
| 2.1.1 迭代算法基本原理 | 第13-14页 |
| 2.1.2 ART重建算法 | 第14-15页 |
| 2.1.3 代数迭代法性能的影响因素 | 第15-16页 |
| 2.2 基于压缩感知的图像重建 | 第16-24页 |
| 2.2.1 引言 | 第16-17页 |
| 2.2.2 压缩感知基本理论 | 第17-18页 |
| 2.2.3 信号的稀疏表示 | 第18-20页 |
| 2.2.4 观测矩阵的设计 | 第20-21页 |
| 2.2.5 信号的重构 | 第21-22页 |
| 2.2.6 压缩感知的理论应用 | 第22-24页 |
| 2.3 TV重建及其求解算法 | 第24-31页 |
| 2.3.1 系统矩阵建模 | 第26页 |
| 2.3.2 TV-POCS算法介绍 | 第26-28页 |
| 2.3.3 ASD-POCS算法 | 第28-31页 |
| 2.4 图像的质量评价标准 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 CHAMBOLLE-POCK框架下的TV算法研究 | 第34-49页 |
| 3.1 Chambolle-Pock算法 | 第34-36页 |
| 3.2 基于CP的l_2~2-TV最优化算法 | 第36-43页 |
| 3.2.1 算法简介 | 第36-39页 |
| 3.2.2 实验结果 | 第39-43页 |
| 3.3 基于CPl_1-TV数据误差项的最优化算法 | 第43-47页 |
| 3.3.1 算法简介 | 第43-44页 |
| 3.3.2 实验结果 | 第44-47页 |
| 3.4 基于CPl_2-TV数据误差项的约束最优化算法 | 第47-49页 |
| 3.4.1 算法简介 | 第47-49页 |
| 4 三种基于CP框架下TV优化算法的比较 | 第49-60页 |
| 4.1 CP算法的参数预处理 | 第49页 |
| 4.2 仿真实验对比 | 第49-60页 |
| 4.2.1 重建速度与精度 | 第49-54页 |
| 4.2.2 对噪声敏感程度 | 第54-56页 |
| 4.2.3 稀疏重建性能 | 第56-60页 |
| 5 总结与展望 | 第60-63页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士期间所取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
