基于小波变换的图像压缩感知方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·标准图像压缩感知 | 第14-15页 |
| ·模型化图像压缩感知 | 第15-16页 |
| ·研究内容 | 第16-17页 |
| ·本文结构 | 第17-18页 |
| 第2章 相关研究基础 | 第18-32页 |
| ·小波变换 | 第18-23页 |
| ·小波的概念 | 第18页 |
| ·小波展开 | 第18-19页 |
| ·小波多分辨率分析 | 第19-23页 |
| ·压缩感知 | 第23-29页 |
| ·引言 | 第23-24页 |
| ·信号的稀疏表示问题 | 第24-25页 |
| ·设计采样矩阵问题 | 第25-26页 |
| ·信号的重构算法 | 第26-28页 |
| ·压缩感知的应用 | 第28-29页 |
| ·图像压缩 | 第29-31页 |
| ·图像压缩概述 | 第29-30页 |
| ·传统的图像压缩算法简介 | 第30-31页 |
| ·传统的图像压缩算法存在的问题 | 第31页 |
| ·小结 | 第31-32页 |
| 第3章 基于高频小波系数联合重构的图像压缩感知 | 第32-46页 |
| ·前言 | 第32页 |
| ·图像小波系数特点 | 第32-34页 |
| ·基于高频小波系数联合重构的压缩感知的基本框架 | 第34-35页 |
| ·高频小波系数联合重构 | 第35-40页 |
| ·贝叶斯理论相关的基本概念 | 第35-36页 |
| ·三层贝叶斯学习模型 | 第36-38页 |
| ·α和α_0的最大似然估计 | 第38-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·比较不同算法的重构质量 PSNR | 第40-43页 |
| ·比较不同算法的压缩时间和重构时间 | 第43-44页 |
| ·比较不同算法采样矩阵的大小 | 第44页 |
| ·总结 | 第44-46页 |
| 第4章 基于小波包分解分块的图像压缩感知 | 第46-61页 |
| ·引言 | 第46页 |
| ·传统分块图像压缩感知算法 | 第46-47页 |
| ·基于小波包分解分块的图像压缩感知 | 第47-52页 |
| ·小波包分解 | 第47-48页 |
| ·分块方法 | 第48-49页 |
| ·采样数量的分配方法 | 第49-50页 |
| ·基于小波包分解分块的图像压缩感知算法 | 第50-51页 |
| ·算法计算复杂度分析 | 第51-52页 |
| ·实验及分析 | 第52-60页 |
| ·子块大小不变，逐步增加采样数量 | 第53-56页 |
| ·采样数量不变，逐步增加子块的大小 | 第56-59页 |
| ·算法计算复杂度的对比与分析 | 第59-60页 |
| ·总结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 附录A （攻读学位期间参加的科研项目） | 第69页 |
