全文总字数：2579字

1. 研究目的与意义及国内外研究现状

目的：利用对抗感知生成模型重建图像，突破经典香农采样定理的限制，实现用更少的测量数据重建同一准确率的图像。

意义：随着信息技术的高速发展，需要传输的数据量和采样频率越来越大，传统的香农－奈奎斯特采样定理要求采样频率必须大于信号最高频率的两倍以上，才能较好恢复出原信号，虽然实现了信号的采集、压缩和恢复，但采集数据和频率的急剧增加，使这种方法的缺点尤为突出：压缩过程中丢弃了绝大部分采集的数据，增加了额外的存储和传输设备。

而压缩感知具有低采样率、低速率和重构质量高等特点，减少采集设备和存储设备数量，经济性高。

2. 研究的基本内容

研究内容：针对图像的压缩感知重建，研究了压缩感知的一般方法，并提出一种基于生成对抗网络的重建算法，实现了用更少的测量数据重建同一准确率的图像。具有重要的理论与实际意义。

主要包括：

(1)掌握一种传统的图像压缩感知重建算法；

3. 实施方案、进度安排及预期效果

实施方案：通过研究相关资料，了解图像压缩感知重建的基本原理及研究背景，针对其存在的缺点用生成对抗网络的方法重建图像。在研究过程中，针对出现的问题深入研究，积极探索，最终完成本次毕业论文。

进度安排：

2月18日-3月15日查阅论文所需的相关资料，积累预备知识，进行外文翻译；

4. 参考文献

【1】gittakutyniok. compressed sensing: theory and applications,2012

【2】bach, francis, jenatton, rodolphe, mairal, julien,obozinski,guillaume, et al. optimization with sparsityinducing penalties.foundations and trends/r in machine learning, 4(1):1–106, 2012.

【3】baraniuk, richard g, cevher, volkan, duarte, marco f,and hegde,chinmay. model-based compressive sensing.ieee transactions on informationtheory, 56(4):1982–2001, 2010.