| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 课题研究现状 | 第8-11页 |
| 1.3 论文的主要研究内容与结构安排 | 第11-13页 |
| 第二章 压缩感知理论 | 第13-30页 |
| 2.1 Nyquist 采样定理局限性 | 第13-14页 |
| 2.2 压缩感知理论的提出 | 第14页 |
| 2.3 压缩感知理论的主要内容 | 第14-24页 |
| 2.3.1 图像的稀疏表示 | 第16-18页 |
| 2.3.2 测量矩阵的设计 | 第18-21页 |
| 2.3.3 图像的重构算法 | 第21-24页 |
| 2.4 图像的分块压缩感知 | 第24-27页 |
| 2.5 压缩感知在图像处理领域中的应用 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 一种分类 K-SVD 稀疏字典训练方法 | 第30-43页 |
| 3.1 图像的稀疏变换基 | 第30-35页 |
| 3.1.1 非冗余变换基 | 第30-32页 |
| 3.1.2 冗余字典 | 第32-35页 |
| 3.2 分类 K-SVD 稀疏字典训练方法 | 第35-38页 |
| 3.2.1 训练样本的分类原理 | 第35-36页 |
| 3.2.2 分类 K-SVD 字典训练原理 | 第36-38页 |
| 3.3 仿真结果与分析 | 第38-42页 |
| 3.3.1 图像块在稀疏基下的稀疏程度 | 第38-41页 |
| 3.3.2 图像块在冗余字典下的平均重建误差 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 贪婪匹配追踪类算法的实现和改进 | 第43-56页 |
| 4.1 衡量算法性能的一些标准 | 第43-44页 |
| 4.2 贪婪匹配追踪算法 | 第44-51页 |
| 4.2.1 OMP | 第45-47页 |
| 4.2.2 ROMP | 第47-49页 |
| 4.2.3 SP | 第49-51页 |
| 4.3 贪婪匹配追踪算法的改进 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于图像特征的自适应压缩感知 | 第56-63页 |
| 5.1 基于图像特征的自适应分配采样率 | 第56-58页 |
| 5.2 结合分类稀疏表示和 FOMP-HT 重构算法的自适应压缩感知 | 第58-59页 |
| 5.3 仿真结果与分析 | 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 |
| 参考文献 | 第65-68页 |
| 附录 1 攻读硕士期间撰写的论文 | 第68-69页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |