| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1.绪论 | 第8-13页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 稀疏分解方法的发展 | 第9-10页 |
| 1.2.2 图像压缩技术的发展 | 第10-11页 |
| 1.3 研究内容与创新点 | 第11-13页 |
| 2.图像压缩技术 | 第13-25页 |
| 2.1 图像数字化 | 第13-16页 |
| 2.1.1 图像的数学模型 | 第13页 |
| 2.1.2 图像的采样与量化 | 第13-14页 |
| 2.1.3 图像量化技术 | 第14-16页 |
| 2.2 图像压缩的可行性 | 第16-19页 |
| 2.2.1 图像数据冗余的主要类型 | 第16-17页 |
| 2.2.2 信息的度量与冗余度的计算 | 第17-18页 |
| 2.2.3 图像压缩模型 | 第18-19页 |
| 2.3 常用的压缩编码方法 | 第19-22页 |
| 2.3.1 霍夫曼编码 | 第19-20页 |
| 2.3.2 香农-费诺编码 | 第20页 |
| 2.3.3 预测编码 | 第20-22页 |
| 2.4 图像压缩的效果评判 | 第22-25页 |
| 2.4.1 客观评价准则 | 第22-23页 |
| 2.4.2 主观评价准则 | 第23-25页 |
| 3.匹配追踪(MP)稀疏分解方法 | 第25-37页 |
| 3.1 信号的表示 | 第25-26页 |
| 3.2 信号的稀疏分解 | 第26-27页 |
| 3.3 匹配追踪(MP)稀疏分解方法 | 第27-32页 |
| 3.3.1 过完备原子库 | 第27-29页 |
| 3.3.2 匹配追踪(MP)稀疏分解方法的基本思想 | 第29-30页 |
| 3.3.3 匹配追踪(MP)稀疏分解的计算复杂度和收敛性 | 第30-32页 |
| 3.4 匹配追踪(MP)稀疏分解方法的计算流程 | 第32-34页 |
| 3.5 仿真实验 | 第34-37页 |
| 4.基于图像压缩的匹配追踪(MP)稀疏分解改进算法 | 第37-51页 |
| 4.1 图像稀疏分解 | 第37-40页 |
| 4.1.1 图像稀疏分解的基本思想 | 第37-38页 |
| 4.1.2 用于图像稀疏分解的过完备原子库 | 第38-40页 |
| 4.2 基于智能计算的图像匹配追踪(MP)稀疏分解改进方法 | 第40-45页 |
| 4.2.1 改进匹配追踪(MP)稀疏分解方法的可行性 | 第40-41页 |
| 4.2.2 人工鱼群算法 | 第41-43页 |
| 4.2.3 人工鱼群算法改进的图像匹配追踪(MP)稀疏分解方法 | 第43-44页 |
| 4.2.4 改进算法的误差分析 | 第44-45页 |
| 4.3 对改进算法的进一步优化 | 第45-47页 |
| 4.3.1 针对视野范围和移动步长的优化 | 第45-46页 |
| 4.3.2 针对行为选择的优化 | 第46-47页 |
| 4.3.3 基于非对称原子库设定初始鱼群的优化 | 第47页 |
| 4.4 实验与分析 | 第47-51页 |
| 4.4.1 图像稀疏分解的实验与分析 | 第47-49页 |
| 4.4.2 图像压缩编码的实验与分析 | 第49-51页 |
| 5.总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51页 |
| 5.2 未来研究方向 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间学术研究成果 | 第57页 |
