| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 图像压缩技术及研究现状 | 第11-13页 |
| 1.3 压缩感知的国内外研究现状 | 第13-16页 |
| 1.3.1 信号稀疏表示的研究现状 | 第14页 |
| 1.3.2 测量矩阵的研究现状 | 第14-15页 |
| 1.3.3 压缩感知信号重构的研究现状 | 第15-16页 |
| 1.4 本文研究的主要内容和论文组织 | 第16-18页 |
| 第2章 压缩感知理论简介 | 第18-32页 |
| 2.1 压缩感知理论框架 | 第19-24页 |
| 2.1.1 信号的可压缩性分析 | 第19-21页 |
| 2.1.2 观测矩阵的设计 | 第21-23页 |
| 2.1.3 信号的恢复与重构 | 第23-24页 |
| 2.2 压缩感知理论与传统图像压缩理论的比较 | 第24-27页 |
| 2.3 图像评价质量标准 | 第27-29页 |
| 2.3.1 主观评价 | 第27页 |
| 2.3.2 客观评价 | 第27-29页 |
| 2.4 压缩感知的应用 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于压缩感知的匹配追踪及改进算法研究 | 第32-48页 |
| 3.1 图像重构算法概述 | 第32-35页 |
| 3.2 匹配追踪系列算法介绍 | 第35-41页 |
| 3.2.1 MP算法 | 第35-36页 |
| 3.2.2 OMP算法 | 第36-37页 |
| 3.2.3 ROMP算法 | 第37-39页 |
| 3.2.4 SAMP算法 | 第39-41页 |
| 3.3 基于SAMP算法的改进 | 第41-43页 |
| 3.3.1 算法的提出 | 第41-42页 |
| 3.3.2 算法步骤 | 第42-43页 |
| 3.4 实验结果分析 | 第43-46页 |
| 3.4.1 改进的SAMP算法的实验结果与分析 | 第43-44页 |
| 3.4.2 不同算法的实验效果分析 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于双树复数小波的模型化图像压缩感知重构 | 第48-62页 |
| 4.1 模型化压缩感知重构算法 | 第48-52页 |
| 4.1.1 模型化稀疏信号 | 第48-49页 |
| 4.1.2 基于模型化的有限等距准则 | 第49-50页 |
| 4.1.3 小波树结构 | 第50-51页 |
| 4.1.4 基于小波树结构的模型化压缩感知重构算法 | 第51-52页 |
| 4.2 双树复数小波 | 第52-56页 |
| 4.2.1 小波变换存在的问题 | 第52-53页 |
| 4.2.2 复小波变换 | 第53-54页 |
| 4.2.3 双树复数小波 | 第54-56页 |
| 4.3 基于双树复数小波及小波树结构的压缩感知图像重构算法 | 第56-57页 |
| 4.4 实验结果分析与比较 | 第57-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 基于压缩感知的数字水印方法研究 | 第62-74页 |
| 5.1 数字水印基本介绍 | 第62-65页 |
| 5.1.1 数字水印基本框架 | 第62-64页 |
| 5.1.2 数字水印的特性及评估指标 | 第64-65页 |
| 5.1.3 数字水印的攻击类型 | 第65页 |
| 5.2 图像置乱算法 | 第65-67页 |
| 5.3 基于压缩感知的数字水印加密 | 第67-69页 |
| 5.3.1 水印的预处理 | 第67-68页 |
| 5.3.2 算法流程 | 第68-69页 |
| 5.4 实验结果与分析 | 第69-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82页 |