声明
摘要
第一章 绪论
1.1 研究背景
1.2 研究的目的与意义
1.3 研究内容与创新
1.4 论文架构与内容安排
第二章 图像压缩感知理论
2.1 图像分块压缩感知模型
2.1.1 压缩感知基本理论
2.1.2 图像分块压缩感知
2.2 观测系统设计
2.2.1 观测波形的设计
2.2.2 采样方式的实现
2.3 图像块的稀疏编码
2.3.1 稀疏性定义
2.3.2 稀疏性的测度
2.3.3 稀疏编码字典
2.3.4 常见字典学习算法
2.4 非线性优化重构
2.5 本章小结
第三章 基于局部结构先验的压缩感知图像重建方法
3.1 图像局部结构先验分析
3.1.1 图像块分类
3.1.2 结构图像块分类
3.1.3 图像块分类结果
3.2 非参数贝叶斯结构字典学习
3.2.1 理论背景
3.2.2 字典学习具体步骤
3.3 图像重建
3.4 仿真实验与结果分析
3.4.1 实验条件与评价指标说明
3.4.2 实验3.1图像块分类结果对比
3.4.3 实验3.2重建图像数值结果对比
3.4.4 实验3.3重建图像视觉效果对比
3.4.5 实验3.4不同结构字典重建结果对比
3.5 本章小结
第四章 基于统计先验的压缩感知图像重建方法
4.1 统计先验与高斯混合模型
4.1.1 图像块的统计先验
4.1.2 高斯混合模型
4.2 基于统计先验的压缩感知重建方法
4.2.1 期望对数似然函数
4.2.2 混合高斯先验分布
4.2.3 图像块类别的MAP估计
4.2.4 高斯混合模型学习
4.3 耦合观测矩阵的优化
4.4 基于统计先验与优化观测矩阵的压缩感知重构方法
4.5 仿真实验与结果分析
4.5.1 实验条件与评价指标说明
4.5.2 实验4.1重建结果对比
4.5.3 优化观测矩阵误差对比及分析
4.6 本章小结
第五章 基于图像块结构和稀疏系数双重先验的压缩感知重建方法
5.1 稀疏编码系数先验
5.1.1 稀疏先验
5.1.2 中心化编码系数先验
5.1.3 双中心化编码系数先验
5.2 基于图像块结构与编码系数双重先验的压缩感知图像重建方法
5.2.1 数学模型
5.2.2 优化算法
5.3 实验仿真及结果分析
5.3.1 实验说明
5.3.2 实验结果与分析
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
硕士期间成果