| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 本课题的研究背景及意义 | 第9-11页 |
| 1.1.1 压缩感知的研究背景及其应用前景 | 第9-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.3 本文内容及结构安排 | 第12-14页 |
| 第2章 压缩感知基本理论 | 第14-31页 |
| 2.1 压缩感知理论基本内容 | 第14-17页 |
| 2.1.1 信号的稀疏特性 | 第14-15页 |
| 2.1.2 观测矩阵的基本介绍 | 第15-17页 |
| 2.1.3 重构算法的基本概述 | 第17页 |
| 2.2 几类常用观测矩阵的构造与分析 | 第17-22页 |
| 2.2.1 贝努利随机观测矩阵及其改进矩阵 | 第18-19页 |
| 2.2.2 高斯随机测量矩阵及其改进矩阵 | 第19-20页 |
| 2.2.3 部分傅里叶测量矩阵及其改进矩阵 | 第20-22页 |
| 2.3 压缩感知的经典重构算法 | 第22-29页 |
| 2.3.1 最小l_1范数法 | 第23-24页 |
| 2.3.2 贪婪追踪算法 | 第24-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 l_p范数的压缩感知图像重构优化算法 | 第31-43页 |
| 3.1 基于l_p范数的信号重构理论框架 | 第31-34页 |
| 3.2 基于拉格朗日函数Hesse矩阵SQP方法的l_p范数优化算法 | 第34-35页 |
| 3.3 基于修正Hesse矩阵SQP方法的l_p范数优化算法 | 第35-37页 |
| 3.4 图像重构算法结果及分析 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 一类改进的FR-CoSaMP重建算法的研究 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 压缩采样匹配追踪CoSaMP算法 | 第43-47页 |
| 4.2.1 FR-CoSaMP重建算法介绍 | 第45-47页 |
| 4.3 FR-CoSaMP的算法流程 | 第47页 |
| 4.4 算法性能仿真及比较 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于压缩感知视频检测技术及其目标重构与跟踪 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 目标重构与跟踪基本介绍 | 第54-55页 |
| 5.3 视频压缩感知模型框架 | 第55-56页 |
| 5.4 视频目标图像重构算法 | 第56-59页 |
| 5.5 实验结果分析 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-65页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70-72页 |
