| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究发展现状 | 第11-12页 |
| 1.2.1 压缩感知的发展概述 | 第11页 |
| 1.2.2 双线性广义近似消息传递算法的发展概述 | 第11-12页 |
| 1.3 本文研究内容及组织结构 | 第12-15页 |
| 第2章 压缩感知理论与BIGAMP的基本理论 | 第15-25页 |
| 2.1 压缩感知的理论基础 | 第15-19页 |
| 2.1.1 信号的稀疏表示 | 第16-17页 |
| 2.1.2 观测矩阵的设计 | 第17-18页 |
| 2.1.3 重构算法的设计 | 第18-19页 |
| 2.2 双线性广义近似消息传递算法的基本原理 | 第19-24页 |
| 2.2.1 循环置信传播 | 第20-21页 |
| 2.2.2 和-积算法 | 第21-22页 |
| 2.2.3 双线性广义近似消息传递算法 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于BIGAMP的图像字典学习算法 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 基于BIGAMP的图像字典学习算法 | 第25-30页 |
| 3.3 实验结果与分析 | 第30-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于BIGAMP的盲压缩感知算法 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 双稀疏字典和可压缩字典 | 第36-38页 |
| 4.2.1 双稀疏字典 | 第36-37页 |
| 4.2.2 可压缩字典 | 第37-38页 |
| 4.3 盲压缩感知算法 | 第38-39页 |
| 4.4 BIGAMP-BCS算法 | 第39-43页 |
| 4.5 实验结果与分析 | 第43-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 基于BIGAMP低秩矩阵恢复的图像去噪算法 | 第49-63页 |
| 5.1 引言 | 第49页 |
| 5.2 低秩矩阵恢复理论 | 第49-50页 |
| 5.3 低秩矩阵恢复算法 | 第50-51页 |
| 5.3.1 IALM去噪算法 | 第50-51页 |
| 5.3.2 代数追踪算法 | 第51页 |
| 5.4 基于BIGAMP低秩矩阵恢复的图像去噪算法 | 第51-56页 |
| 5.4.1 基于BiGAMP的矩阵填充算法 | 第51-53页 |
| 5.4.2 基于BiGAMP低秩矩阵恢复的图像去噪算法 | 第53-56页 |
| 5.5 实验结果及分析 | 第56-62页 |
| 5.6 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |
