压缩感知遥感视频成像系统建模与仿真
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景和意义 | 第12-15页 |
| 1.2 研究现状与发展趋势 | 第15-24页 |
| 1.2.1 压缩感知理论研究现状 | 第15-19页 |
| 1.2.2 压缩感知光学成像研究现状 | 第19-23页 |
| 1.2.3 压缩感知遥感视频成像研究现状 | 第23-24页 |
| 1.3 本文的主要工作及创新点 | 第24-26页 |
| 第二章 压缩感知遥感视频成像系统建模 | 第26-43页 |
| 2.1 传统光学成像系统的普遍模型 | 第26-29页 |
| 2.2 压缩感知成像系统测量模型 | 第29-32页 |
| 2.2.1 单像素压缩成像系统 | 第30-31页 |
| 2.2.2 CMOS压缩成像系统 | 第31-32页 |
| 2.3 压缩感知遥感视频成像重构模型 | 第32-40页 |
| 2.3.1 单帧独立重构 | 第33-34页 |
| 2.3.2 多帧差分联合重构 | 第34-37页 |
| 2.3.3 残差分布式重构 | 第37-38页 |
| 2.3.4 学习字典分布式重构 | 第38-40页 |
| 2.4 模型性能比较 | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 压缩感知遥感视频稀疏表示理论 | 第43-71页 |
| 3.1 遥感视频稀疏表示方法 | 第43-45页 |
| 3.2 视频稀疏表示样本选取 | 第45-52页 |
| 3.2.1 分块迭进法 | 第45-47页 |
| 3.2.2 分块匹配法 | 第47页 |
| 3.2.3 边信息块匹配法 | 第47-52页 |
| 3.2.4 比较分析 | 第52页 |
| 3.3 字典学习方法 | 第52-58页 |
| 3.3.1 最优方向法（MOD） | 第52-53页 |
| 3.3.2 K-奇异值分解法 | 第53-55页 |
| 3.3.3 主成分分析法 | 第55-58页 |
| 3.4 基于独立成分分析的遥感视频字典学习方法 | 第58-65页 |
| 3.4.1 独立成分分析理论 | 第58-63页 |
| 3.4.2 视频稀疏表示的ICA学习字典 | 第63-65页 |
| 3.5 仿真实验分析 | 第65-69页 |
| 3.5.1 仿真产生边信息帧 | 第65-67页 |
| 3.5.2 各学习字典重构效果对比 | 第67-69页 |
| 3.6 本章小结 | 第69-71页 |
| 第四章 压缩感知遥感视频重构算法研究 | 第71-93页 |
| 4.1 压缩感知重构理论 | 第71-72页 |
| 4.2 l1范数正则最小二乘问题研究方法 | 第72-76页 |
| 4.3 基于二次规划变量分离的CS重构算法研究 | 第76-91页 |
| 4.3.1 GPSR算法研究 | 第76-78页 |
| 4.3.2 LCGP算法研究 | 第78-81页 |
| 4.3.3 更新工作集稀疏重构算法研究 | 第81-85页 |
| 4.3.4 重构算法性能测试 | 第85-91页 |
| 4.4 压缩遥感视频成像综合仿真 | 第91-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第五章 总结与展望 | 第93-96页 |
| 5.1 论文工作总结 | 第93-94页 |
| 5.2 未来工作展望 | 第94-96页 |
| 致谢 | 第96-98页 |
| 参考文献 | 第98-106页 |
| 作者在学期间取得的学术成果 | 第106页 |
