基于分数阶的单像素成像全变分算法的研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 单像素相机研究背景与意义 | 第14-15页 |
| 1.2 单像素相机国内外研究现状 | 第15-17页 |
| 1.2.1 DMD装置的研究现状 | 第15-16页 |
| 1.2.2 重建算法的研究现状 | 第16页 |
| 1.2.3 单像素探测装置的研究现状 | 第16-17页 |
| 1.3 本文的主要内容 | 第17-19页 |
| 第2章 压缩感知理论框架及关键技术 | 第19-32页 |
| 2.1 压缩感知基础知识和框架 | 第19-22页 |
| 2.2 压缩感知关键技术 | 第22-31页 |
| 2.2.1 信号的稀疏表示 | 第22-26页 |
| 2.2.2 观测矩阵的设计 | 第26-28页 |
| 2.2.3 信号重构 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 分数阶微分及其对图像纹理的增强 | 第32-42页 |
| 3.1 分数阶微分的定义 | 第32-36页 |
| 3.1.1 G-L定义 | 第32-33页 |
| 3.1.2 R-L定义 | 第33-34页 |
| 3.1.3 Caputo定义 | 第34页 |
| 3.1.4 各分数阶定义之间的关系 | 第34-36页 |
| 3.2 分数阶定义对信号的影响 | 第36-38页 |
| 3.3 分数阶定义对图像的影响 | 第38-41页 |
| 3.3.1 分数阶模型的二维推广 | 第38-39页 |
| 3.3.2 分数阶微分的图像增强 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于改进非局部均值算子的分数阶全变分算法 | 第42-59页 |
| 4.1 改进的分数阶TVAL3算法 | 第42-44页 |
| 4.1.1 传统的TVAL3算法模型 | 第42-43页 |
| 4.1.2 基于分数阶微分的TVAL3模型 | 第43-44页 |
| 4.2 基于改进非局部均值算子的分数阶全变分算法 | 第44-49页 |
| 4.2.1 基于非局部均值滤波的正则化全变分算法 | 第44-47页 |
| 4.2.2 改进的非局部均值滤波法 | 第47-49页 |
| 4.3 实验结果和分析 | 第49-58页 |
| 4.3.1 峰值信噪比(PSNR) | 第50-51页 |
| 4.3.2 结构相似度(SSIM) | 第51-52页 |
| 4.3.3 算法运行时间 | 第52-53页 |
| 4.3.4 细节对比 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 基于改进算法的单像素成像实验 | 第59-71页 |
| 5.1 单像素相机原理 | 第59-61页 |
| 5.2 单像素相机组成结构 | 第61-65页 |
| 5.2.1 光路调制模块 | 第61-63页 |
| 5.2.2 数据采集模块 | 第63-65页 |
| 5.2.3 图像重构模块 | 第65页 |
| 5.3 单像素相机实验平台及结果分析 | 第65-70页 |
| 5.3.1 实验仪器 | 第65-66页 |
| 5.3.2 实验平台 | 第66-67页 |
| 5.3.3 实验结果及分析 | 第67-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间参加的科研项目和成果 | 第79页 |
