声明
符号说明
第一章 绪 论
1.1 问题背景和研究意义
1.2 国内外研究现状分析
1.2.1 内窥镜发展历史和基本框架
1.2.2 压缩感知发展史和研究现状
1.2.3 压缩感知的应用
1.3 本文的主要研究工作
1.4 本文的组织结构
第二章 压缩感知基本理论
2.1 范数
2.2 基和框架
2.2.1 基
2.2.2 正交基
2.2.3 框架
2.3 稀疏表示和字典
2.4 压缩感知基本原理和框架
2.5 等效字典
2.5.1 零空间性质
2.5.2 受限等距性质
2.5.3 RIP 字典
2.5.4 互相干性
2.6 字典学习
2.6.1 字典设计流程
2.6.2 K-SVD算法
2.7 感知矩阵设计
2.8 本章小结
第三章 多字典和鲁棒感知矩阵设计
3.1 内窥镜图像处理多字典系统
3.1.1多字典学习
3.1.2多字典重构
3.13多字典重构收敛性证明
3.2 鲁棒感知矩阵设计
3.2.1 平均互相干
3.2.2鲁棒感知矩阵设计
3.3 基于多字典的平均梯度下降感知矩阵优化
3.3.1感知矩阵非凸优化相关工作
3.3.2 多字典平均梯度下降(AGD)优化非凸函数
3.3.3 多字典优化重构内窥镜处理框架
3.3.4 联合优化的收敛性证明
3.4 本章小结
第四章多字典改进型CS系统性能仿真
4.1 引言
4.2 多字典平均梯度下降(AGD)性能测试
4.3 人工合成信号测试
4.3.1 权重参数?的影响测试
4.3.2 合成数据重构精确度测试
4.3.3 不同感知矩阵优化算法的理论评估
4.4 内窥镜图像测试
4.4.1 权重参数的选取
4.4.2 M、L、K参数对算法性能的影响测试
4.4.3 内窥镜图像重构性能测试
4.5 本章小结
第五章 结论与展望
5.1 结 论
5.2 展 望
参考文献
致 谢
作者简介
1 作者简历
2 发明专利
学位论文数据集
浙江工业大学;