基于深度学习的图像压缩感知重建技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 研究内容及组织结构 | 第15-17页 |
| 2 压缩感知理论 | 第17-20页 |
| 2.1 理论框架 | 第17-18页 |
| 2.2 重建算法的评价标准 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 基于堆叠卷积去噪自编码的重建算法 | 第20-35页 |
| 3.1 引言 | 第20-22页 |
| 3.2 多层感知机 | 第22-23页 |
| 3.3 堆叠去噪自编码 | 第23-26页 |
| 3.4 堆叠卷积去噪自编码重建策略 | 第26-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于多层反卷积技术的重建算法 | 第35-47页 |
| 4.1 引言 | 第35-37页 |
| 4.2 Relu激活函数 | 第37-38页 |
| 4.3 Adam优化算法 | 第38-39页 |
| 4.4 基于CS-DeCNN网络的重建方法 | 第39-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 实验及结果分析 | 第47-64页 |
| 5.1 实验环境 | 第47-50页 |
| 5.2 实验过程 | 第50-51页 |
| 5.3 实验结果对比 | 第51-58页 |
| 5.4 分析与讨论 | 第58-64页 |
| 6 总结和展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录1 攻读学位期间发表的论文 | 第71-72页 |
| 附录2 攻读学位期间参与的项目 | 第72页 |
