声明
第1章 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 研究内容
1.4 章节安排
第2章 理论基础
2.1 深度学习网络的构建
2.1.1 激活函数
2.1.2 损失函数
2.1.3 优化方法
2.2 压缩感知的基本原理
2.3 评价方法
2.4 本章小结
第3章 相关计算成像方法
3.1 COMP-I
3.2 TMOBO
3.3 基于深度神经网络的无镜头成像
3.4 随机镜片成像
3.5 本章小结
第4章 基于生成模型的计算成像
4.1 引言
4.2 基于得分网络的生成模型介绍
4.2.1 问题描述
4.2.2 SPC成像方法
4.2.3 LiSens成像方法
4.2.4 FlatCam成像方法
4.3 梯度先验下的计算成像逆问题求解
4.4 实验部分
4.4.1 实验细节
4.4.2 对比实验设置细节
4.4.3 SPC重建结果及分析
4.4.4 LiSens重建结果及分析
4.4.5 FlatCam重建结果及分析
4.5 本章小结
第5章 结论与展望
5.1 本文工作总结
5.2 未来研究展望
致谢
参考文献
攻读学位期间的研究成果
南昌大学;
