| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-16页 |
| 1.2.1 光场理论 | 第11-14页 |
| 1.2.2 压缩感知理论 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关理论基础 | 第19-35页 |
| 2.1 相机阵列光场采集和重建 | 第19-24页 |
| 2.1.1 相机阵列光场的图像采集 | 第19-20页 |
| 2.1.2 相机阵列光场的三维重建 | 第20-24页 |
| 2.2 压缩感知数学模型 | 第24-34页 |
| 2.2.1 信号的稀疏表示 | 第25-28页 |
| 2.2.2 测量矩阵的设计 | 第28-30页 |
| 2.2.3 重建算法的设计 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于结构化随机矩阵的分块压缩感知方法 | 第35-44页 |
| 3.1 分块压缩感知理论 | 第35-36页 |
| 3.2 自适应字典的训练 | 第36-37页 |
| 3.3 分块压缩感知的光场图像重建 | 第37-40页 |
| 3.3.1 结构化随机测量矩阵数学模型 | 第37-38页 |
| 3.3.2 基于结构化随机矩阵的分块压缩感知算法 | 第38-40页 |
| 3.4 实验结果及分析 | 第40-43页 |
| 3.4.1 算法性能比较 | 第40-42页 |
| 3.4.2 图像重建结果 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于联合稀疏模型的分布式压缩感知方法 | 第44-56页 |
| 4.1 分布式压缩感知理论 | 第44-46页 |
| 4.2 分布式压缩光场对光场图像序列的采集和重建 | 第46-52页 |
| 4.2.1 分布式压缩感知数学模型 | 第46-47页 |
| 4.2.2 基于垂直切片的分布式压缩感知算法(DCS-VS) | 第47-49页 |
| 4.2.3 基于边信息的分布式压缩感知算法(DCS-SI) | 第49-51页 |
| 4.2.4 DCS-VS和DCS-SI算法比较 | 第51-52页 |
| 4.3 实验结果及分析 | 第52-54页 |
| 4.3.1 算法性能比较 | 第53-54页 |
| 4.3.2 图像序列重建结果 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 光场图像序列的三维重建 | 第56-63页 |
| 5.1 相机阵列光场的三维重建框架 | 第56页 |
| 5.2 基于压缩感知的三维重建流程和算法 | 第56-58页 |
| 5.3 实验结果及分析 | 第58-62页 |
| 5.3.1 实验平台软硬件介绍 | 第58-59页 |
| 5.3.2 三维模型重建结果 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-70页 |
| 详细摘要 | 第70-72页 |