基于压缩感知梯度恢复算法的信号与图像重构研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·压缩感知发展历程及研究现状 | 第10-14页 |
| ·压缩感知应用领域 | 第14-16页 |
| ·论文结构及主要研究内容 | 第16-18页 |
| 第二章 压缩感知基本理论 | 第18-31页 |
| ·引言 | 第18-19页 |
| ·信号的稀疏表示 | 第19-21页 |
| ·稀疏表示 | 第19-20页 |
| ·常用正交变换基 | 第20-21页 |
| ·测量矩阵 | 第21-23页 |
| ·常用随机测量矩阵 | 第23-24页 |
| ·信号重构 | 第24-27页 |
| ·基于 l2范数模型 | 第25页 |
| ·基于 l0范数模型 | 第25页 |
| ·基于 l1范数模型 | 第25-27页 |
| ·重构算法举例 | 第27-30页 |
| ·基于 l1范数的重构算法 | 第27-28页 |
| ·基于 l0范数的贪婪算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 图像处理基本理论 | 第31-41页 |
| ·图像退化原因 | 第31页 |
| ·图像退化的基本模型 | 第31-35页 |
| ·连续图像退化模型 | 第32-33页 |
| ·离散图像退化模型 | 第33-34页 |
| ·典型的退化函数模型 | 第34-35页 |
| ·图像噪声模型 | 第35-36页 |
| ·图像复原 | 第36-38页 |
| ·去噪声模型 | 第38-39页 |
| ·图像质量评价方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 压缩感知梯度算法应用于信号重构 | 第41-58页 |
| ·最优化问题的近似梯度算法 | 第41-43页 |
| ·迭代收缩阈值算法 | 第43-44页 |
| ·IST 用于压缩感知信号复原 | 第44-51页 |
| ·信号设计及实验平台 | 第44-45页 |
| ·信号稀疏性分析 | 第45-47页 |
| ·测量矩阵选择 | 第47页 |
| ·实验结果 | 第47-51页 |
| ·影响重构效果因素 | 第51-54页 |
| ·噪声水平因素 | 第51-52页 |
| ·正则化参数 λ 分析 | 第52-53页 |
| ·随机测量矩阵因素 | 第53页 |
| ·算法质量分析 | 第53-54页 |
| ·一种新的测量矩阵 | 第54-56页 |
| ·改进的迭代收缩阈值算法 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 梯度投影法应用于图像复原 | 第58-74页 |
| ·图像的最小全变分模型 | 第58-59页 |
| ·最小全变分梯度投影法 | 第59-63页 |
| ·实验结果 | 第63-67页 |
| ·一种新的图像复原方法 | 第67-68页 |
| ·改进的梯度投影法 | 第68-70页 |
| ·最小全变分梯度投影法应用于图像去模糊 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结及展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
