| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·图像压缩现状 | 第11-12页 |
| ·稀疏表示现状 | 第12-13页 |
| ·随机投影现状 | 第13页 |
| ·重构算法现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文组织结构 | 第15-17页 |
| 第2章 MLD 字典与 KSVD 字典学习及稀疏表示 | 第17-24页 |
| ·稀疏表示 | 第17-18页 |
| ·字典学习 | 第18-19页 |
| ·MLD 字典学习 | 第18-19页 |
| ·KSVD 字典学习 | 第19页 |
| ·图像重构算法 | 第19-20页 |
| ·实验结果 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于非均匀采样和压缩感知的图像压缩算法 | 第24-42页 |
| ·引言 | 第24-25页 |
| ·随机投影 | 第25-26页 |
| ·不相干性 | 第25页 |
| ·限制等距条件 | 第25-26页 |
| ·基于图像内容的压缩采样 | 第26-31页 |
| ·低频分量处理 | 第27-28页 |
| ·边缘检测 | 第28-30页 |
| ·非边缘点的随机选取 | 第30-31页 |
| ·自适应图像重构 | 第31-34页 |
| ·自适应块选取 | 第31-32页 |
| ·块测量矩阵的构造 | 第32-33页 |
| ·图像块的 SL0 重构 | 第33-34页 |
| ·算法实现过程 | 第34-35页 |
| ·实验结果 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于分类稀疏字典和变采样率采样的图像压缩算法 | 第42-52页 |
| ·引言 | 第42-43页 |
| ·训练分类稀疏字典 | 第43-45页 |
| ·图像块分类 | 第43-45页 |
| ·分类稀疏字典 | 第45页 |
| ·优化测量矩阵 | 第45-46页 |
| ·算法实现过程 | 第46-48页 |
| ·实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |