| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 压缩感知理论国内外研究现状 | 第9-12页 |
| 1.3 本文主要工作内容及章节安排 | 第12-14页 |
| 2 压缩感知理论 | 第14-24页 |
| 2.1 压缩感知理论框架 | 第14-16页 |
| 2.2 压缩感知的核心内容 | 第16-22页 |
| 2.2.1 信号稀疏表示 | 第16-19页 |
| 2.2.2 观测矩阵设计 | 第19-20页 |
| 2.2.3 信号重构算法 | 第20-22页 |
| 2.3 重构算法评价标准 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 一种优的压缩采样匹配追踪算法 | 第24-35页 |
| 3.1 匹配追踪类算法 | 第24-27页 |
| 3.1.1 匹配追踪(MP)算法 | 第24-25页 |
| 3.1.2 正交匹配追踪(OMP)算法 | 第25-26页 |
| 3.1.3 压缩采样匹配追踪(CoSaMP)算法 | 第26-27页 |
| 3.2 优化的压缩采样匹配追踪算法 | 第27-29页 |
| 3.2.1 相关系数的计算 | 第28页 |
| 3.2.2 基于关联系数的压缩采样匹配算法 | 第28-29页 |
| 3.3 实验结果分析 | 第29-34页 |
| 3.3.1 一维信号重构对比实验 | 第29-31页 |
| 3.3.2 一维信号抗噪性对比实验 | 第31页 |
| 3.3.3 二维图像信号重构对比实验 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于GPU并行的低秩正则化图像压缩感知重构算法 | 第35-50页 |
| 4.1 图像并行化处理简介 | 第35-36页 |
| 4.2 CUDA架构体系 | 第36-42页 |
| 4.2.1 CUDA软件环境 | 第37-38页 |
| 4.2.2 CUDA编程模型 | 第38-39页 |
| 4.2.3 CUDA存储器模型 | 第39-42页 |
| 4.2.4 CUDA软件体系结构 | 第42页 |
| 4.3 基于CUDA的NLR-CS算法 | 第42-45页 |
| 4.3.1 NLR-CS算法 | 第43页 |
| 4.3.2 NLR-CS算法的并行化分析 | 第43-45页 |
| 4.3.3 NLR-CS算法的并行化设计 | 第45页 |
| 4.4 实验结果分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于低秩和全变差正则化的图像压缩感知重构算法 | 第50-60页 |
| 5.1 低秩先验模型 | 第50-51页 |
| 5.1.1 图像的非局部相似块构建 | 第50-51页 |
| 5.1.2 图像的相似块群组矩阵秩最小化模型 | 第51页 |
| 5.2 全变差先验模型 | 第51-52页 |
| 5.3 低秩和全变差先验的图像压缩感知模型 | 第52页 |
| 5.4 基于低秩和全变差先验的图像压缩感知模型的优化算法 | 第52-54页 |
| 5.4.1 对变量g_1,g_2求解 | 第52-53页 |
| 5.4.2 对变量q求解 | 第53-54页 |
| 5.4.3 对变量x求解 | 第54页 |
| 5.5 实验结果分析 | 第54-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 下一步工作 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |