基于稀疏表示和自适应字典的单帧图像的超分辨率算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文主要研究内容和章节安排 | 第12-13页 |
| 2 超分辨率重建技术概述 | 第13-21页 |
| ·超分辨率技术含义 | 第13-14页 |
| ·图像观测模型 | 第14-15页 |
| ·图像超分辨率方法分类 | 第15-20页 |
| ·插值方法 | 第15-16页 |
| ·凸集投影法(POCS) | 第16-17页 |
| ·迭代反投影法(IBP) | 第17页 |
| ·最大后验概率方法(MAP) | 第17-19页 |
| ·Exampled-based方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于稀疏表示的重建算法 | 第21-35页 |
| ·稀疏表示理论 | 第21页 |
| ·稀疏表示的应用 | 第21-25页 |
| ·图像去噪方面的应用 | 第22页 |
| ·图像修复和填充方面的应用 | 第22-23页 |
| ·图像融合方面的应用 | 第23页 |
| ·图像压缩方面的应用 | 第23-24页 |
| ·人脸识别方面的应用 | 第24-25页 |
| ·超分辨率方面应用 | 第25页 |
| ·基于稀疏表示的图像重建算法流程 | 第25-26页 |
| ·训练字典算法 | 第26-30页 |
| ·MOD算法 | 第27-28页 |
| ·K-SVD算法 | 第28-30页 |
| ·稀疏编码算法 | 第30-34页 |
| ·基追踪算法 | 第31-32页 |
| ·匹配追踪算法 | 第32-33页 |
| ·正交匹配追踪算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 训练两个字典实现图像的超分辨率重建 | 第35-45页 |
| ·同时训练两个字典 | 第35-38页 |
| ·样本采集 | 第36-37页 |
| ·K-SVD训练两个字典 | 第37-38页 |
| ·单帧图像的超分辨率实现 | 第38-41页 |
| ·局部模型重建 | 第39-40页 |
| ·全局模型重建 | 第40-41页 |
| ·自适应选择重建字典 | 第41-44页 |
| ·必要性 | 第41-42页 |
| ·可行性 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 实验分析 | 第45-53页 |
| ·与其它方法质量对比 | 第45-47页 |
| ·选择不同的图像块尺寸效果分析 | 第47-48页 |
| ·字典大小的影响 | 第48页 |
| ·重建图像重叠像素的影响 | 第48-50页 |
| ·实现的放大倍数 | 第50-51页 |
| ·自适应选择字典的实现 | 第51页 |
| ·本章小结 | 第51-53页 |
| 6 总结和展望 | 第53-56页 |
| ·本文总结 | 第53-54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
