基于图像多尺度几何分析的压缩感知算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 压缩感知研究现状 | 第11-13页 |
| 1.2.1 稀疏表示研究现状 | 第12页 |
| 1.2.2 测量矩阵研究现状 | 第12-13页 |
| 1.2.3 重构算法研究现状 | 第13页 |
| 1.3 压缩感知的发展及应用 | 第13-15页 |
| 1.3.1 压缩感知的起源 | 第13-14页 |
| 1.3.2 压缩感知理论的应用 | 第14-15页 |
| 1.4 目前存在的问题与挑战 | 第15-17页 |
| 1.5 本文的主要研究内容 | 第17-19页 |
| 第2章 压缩感知理论介绍 | 第19-35页 |
| 2.1 理论介绍 | 第19-20页 |
| 2.2 信号稀疏表示 | 第20-29页 |
| 2.2.1 傅立叶变换 | 第22-23页 |
| 2.2.2 小波变换 | 第23-26页 |
| 2.2.3 图像的多尺度几何分析 | 第26-27页 |
| 2.2.4 冗余字典的稀疏分解 | 第27-28页 |
| 2.2.5 稀疏系数的求解 | 第28-29页 |
| 2.3 测量矩阵 | 第29-31页 |
| 2.4 重构算法 | 第31-32页 |
| 2.5 半张量积压缩感知 | 第32-34页 |
| 2.5.1 半张量积压缩感知理论模型 | 第32-33页 |
| 2.5.2 半张量积测量压缩感知模型的优势与问题 | 第33-34页 |
| 2.6 图像压缩感知重建质量指标 | 第34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 基于正交均衡化高斯测量矩阵的研究 | 第35-44页 |
| 3.1 引言 | 第35页 |
| 3.2 正交均衡化高斯测量矩阵 | 第35-38页 |
| 3.2.1 Gram-Schmidt正交化 | 第36-37页 |
| 3.2.2 矩阵均衡化 | 第37-38页 |
| 3.3 OG-KSVD算法 | 第38-39页 |
| 3.4 OG-KSVD算法流程 | 第39页 |
| 3.5 仿真实验结果 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于多尺度的全变分法压缩感知重构算法研究 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 TVAL3算法 | 第44-46页 |
| 4.3 小波变换与多尺度几何分析 | 第46-49页 |
| 4.3.1 小波变换 | 第46-47页 |
| 4.3.2 波原子变换 | 第47-49页 |
| 4.4 仿真实验及结果 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 波原子稀疏优化与组稀疏表示的压缩感知算法 | 第53-60页 |
| 5.1 引言 | 第53页 |
| 5.2 组稀疏表示压缩感知算法 | 第53-54页 |
| 5.3 优化矩阵设计 | 第54-56页 |
| 5.4 仿真实验 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68页 |
