压缩感知的测量矩阵与图像融合应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 压缩感知测量矩阵 | 第14-15页 |
| 1.2.2 压缩感知图像融合 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文的结构安排 | 第17-19页 |
| 第二章 压缩感知理论基础 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 压缩感知理论 | 第19-26页 |
| 2.2.1 信号的稀疏表示 | 第19-20页 |
| 2.2.2 压缩感知数学模型 | 第20-21页 |
| 2.2.3 RIP与MIP性质 | 第21-23页 |
| 2.2.4 测量矩阵 | 第23-24页 |
| 2.2.5 恢复算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于LFSR的确定性测量矩阵构造 | 第27-51页 |
| 3.1 确定性测量矩阵 | 第27-30页 |
| 3.1.1 有限域上曲线构造的确定性测量矩阵 | 第28-30页 |
| 3.2 基于LFSR的整数产生算法 | 第30-32页 |
| 3.3 确定性结构的傅里叶测量矩阵 | 第32-36页 |
| 3.4 构造的测量矩阵性能分析 | 第36-49页 |
| 3.4.1 构造的测量矩阵的恢复性能 | 第36-43页 |
| 3.4.2 构造的测量矩阵的恢复质量 | 第43-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 采用粒子群优化的压缩感知图像融合 | 第51-71页 |
| 4.1 压缩图像融合 | 第51页 |
| 4.2 观测量特征分析 | 第51-55页 |
| 4.3 粒子群优化的压缩图像融合策略 | 第55-57页 |
| 4.3.1 粒子群优化 | 第55-56页 |
| 4.3.2 粒子群优化的压缩图像融合方法 | 第56-57页 |
| 4.4 图像融合评价指标 | 第57-60页 |
| 4.4.1 统计特性评价指标 | 第57-59页 |
| 4.4.2 信息量评价指标 | 第59页 |
| 4.4.3 视觉特性评价指标 | 第59-60页 |
| 4.5 仿真实验分析 | 第60-68页 |
| 4.5.1 单目标粒子群优化融合参数 | 第60-64页 |
| 4.5.2 多目标粒子群优化融合参数 | 第64-67页 |
| 4.5.3 构造的测量矩阵在图像融合中的影响 | 第67-68页 |
| 4.6 本章小结 | 第68-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |
