压缩感知中字典学习算法的研究及应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.2.1 压缩感知理论的研究现状 | 第10-11页 |
| 1.2.2 字典学习算法的研究现状 | 第11-12页 |
| 1.2.3 压缩感知视频编解码的研究现状 | 第12-13页 |
| 1.3 论文的主要创新点 | 第13页 |
| 1.4 论文内容与结构 | 第13-15页 |
| 第二章 压缩感知与字典学习 | 第15-31页 |
| 2.1 压缩感知理论 | 第15-18页 |
| 2.2 稀疏字典的设计 | 第18-23页 |
| 2.2.1 稀疏字典的设计要素 | 第18-20页 |
| 2.2.2 正交基变换字典 | 第20-21页 |
| 2.2.3 解析字典 | 第21-22页 |
| 2.2.4 过完备字典 | 第22-23页 |
| 2.3 字典学习算法 | 第23-26页 |
| 2.3.1 MOD算法 | 第24-25页 |
| 2.3.2 推广的PCA | 第25-26页 |
| 2.3.3 K-SVD算法 | 第26页 |
| 2.4 实验结果 | 第26-30页 |
| 2.4.1 在图像去噪中的应用 | 第27-28页 |
| 2.4.2 在压缩感知中的应用 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 改进的K-SVD算法 | 第31-44页 |
| 3.1 K-SVD算法分析 | 第31-33页 |
| 3.2 IK-SVD算法分析 | 第33-38页 |
| 3.2.1 R-OMP算法 | 第33-35页 |
| 3.2.2 改进的字典更新方法 | 第35-36页 |
| 3.2.3 算法描述 | 第36-38页 |
| 3.3 实验结果 | 第38-42页 |
| 3.3.1 字典学习算法性能 | 第38-40页 |
| 3.3.2 在图像去噪中的应用 | 第40-42页 |
| 3.3.3 在压缩感知中的应用 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于字典学习的压缩感知视频编解码 | 第44-61页 |
| 4.1 压缩感知视频编解码模型对比 | 第44-50页 |
| 4.1.1 DCVS模型 | 第45-46页 |
| 4.1.2 DISCOS模型 | 第46-47页 |
| 4.1.3 DMRA-DCVS模型 | 第47-48页 |
| 4.1.4 ADL-DCVS模型 | 第48-49页 |
| 4.1.5 四种模型对比 | 第49-50页 |
| 4.2 本文提出的DL-CVS模型 | 第50-54页 |
| 4.2.1 编码端 | 第51-52页 |
| 4.2.2 解码端 | 第52-54页 |
| 4.3 实验结果 | 第54-59页 |
| 4.3.1 DL-CVS模型性能分析 | 第54-56页 |
| 4.3.2 字典学习算法对比 | 第56-58页 |
| 4.3.3 不同模型性能对比 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 发表论文和参加科研情况说明 | 第68-69页 |
| 致谢 | 第69-70页 |
