光场的稀疏编码模型及重构算法的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 光场压缩成像研究背景和意义 | 第13-15页 |
| 1.2 相关课题的研究进展 | 第15-19页 |
| 1.2.1 信号稀疏学习的研究进展 | 第15-17页 |
| 1.2.2 压缩成像系统的研究进展 | 第17-19页 |
| 1.3 论文研究内容与结构安排 | 第19-21页 |
| 第2章 计算成像与光场 | 第21-29页 |
| 2.1 计算成像技术 | 第21-22页 |
| 2.2 全光函数 | 第22-24页 |
| 2.3 光场理论 | 第24-28页 |
| 2.3.1 光场成像与传统成像 | 第24-26页 |
| 2.3.2 光场的采集方式 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 背景理论框架 | 第29-43页 |
| 3.1 信号稀疏表示理论 | 第29-32页 |
| 3.1.1 稀疏表示 | 第29-30页 |
| 3.1.2 字典构造 | 第30-31页 |
| 3.1.3 稀疏编码 | 第31-32页 |
| 3.2 压缩感知理论 | 第32-35页 |
| 3.2.1 理论背景 | 第32-33页 |
| 3.2.2 主要内容 | 第33-34页 |
| 3.2.3 算法设计 | 第34-35页 |
| 3.3 卷积稀疏编码理论 | 第35-39页 |
| 3.3.1 卷积神经网络 | 第35-37页 |
| 3.3.2 卷积稀疏编码 | 第37-39页 |
| 3.4 矩阵低秩理论 | 第39-41页 |
| 3.4.1 理论背景及发展 | 第39-41页 |
| 3.4.2 基于低秩矩阵逼近的图像去噪 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于冗余字典的光场编码与重构 | 第43-53页 |
| 4.1 编码光场的掩膜获取 | 第43-45页 |
| 4.2 光场冗余字典的学习 | 第45-48页 |
| 4.2.1 K-SVD算法 | 第45-46页 |
| 4.2.2 光场字典的学习 | 第46-48页 |
| 4.3 光场的重构及仿真分析 | 第48-52页 |
| 4.3.1 Lasso- ADMM算法 | 第48-50页 |
| 4.3.2 仿真结果与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于卷积稀疏编码的光场编码与重构 | 第53-59页 |
| 5.1 CSC模型的求解 | 第53-55页 |
| 5.2 光场卷积字典的学习 | 第55-56页 |
| 5.2.1 图像预处理 | 第55页 |
| 5.2.2 卷积字典的学习 | 第55-56页 |
| 5.3 光场的重构及仿真分析 | 第56-58页 |
| 5.3.1 光场重构模型 | 第56-57页 |
| 5.3.2 仿真结果与分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 基于低秩矩阵分解的光场编码与重构 | 第59-66页 |
| 6.1 光场的低秩结构 | 第59-61页 |
| 6.2 快速变换压缩测量 | 第61-62页 |
| 6.3 光场的重构及仿真分析 | 第62-64页 |
| 6.3.1 组合贪婪算法 | 第62-63页 |
| 6.3.2 仿真结果与分析 | 第63-64页 |
| 6.4 本章小结 | 第64-66页 |
| 第7章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间参加的科研项目和成果 | 第75页 |
