| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 目录 | 第11-14页 |
| 1 绪论 | 第14-26页 |
| ·研究背景和意义 | 第14-15页 |
| ·研究状况 | 第15-23页 |
| ·超分辨率重构技术 | 第15-19页 |
| ·稀疏表示 | 第19-23页 |
| ·图像恢复效果的质量评价方法 | 第23页 |
| ·论文的研究内容和章节安排 | 第23-26页 |
| 2 理论基础 | 第26-50页 |
| ·引言 | 第26-27页 |
| ·稀疏表示问题 | 第27-31页 |
| ·信号的稀疏表示模型 | 第27-28页 |
| ·信号的稀疏度测量 | 第28-30页 |
| ·不相干性与信号的稀疏性 | 第30-31页 |
| ·稀疏表示问题的优化算法 | 第31-36页 |
| ·范数凸优化算法 | 第31-32页 |
| ·贪婪算法 | 第32-34页 |
| ·其他类算法 | 第34-35页 |
| ·算法比较 | 第35-36页 |
| ·低秩矩阵稀疏分解问题 | 第36-41页 |
| ·低秩矩阵稀疏分解理论 | 第36-38页 |
| ·低秩矩阵稀疏分解问题的求解 | 第38-39页 |
| ·低秩矩阵稀疏分解算法 | 第39-41页 |
| ·学习字典训练问题 | 第41-48页 |
| ·学习字典 | 第41-43页 |
| ·K-SVD 算法 | 第43-44页 |
| ·改进的字典更新方法及系数重用法 | 第44-48页 |
| ·小结 | 第48-50页 |
| 3 典型去噪算法研究 | 第50-76页 |
| ·引言 | 第50-51页 |
| ·图像噪声分类 | 第51-54页 |
| ·常用的噪声概率密度函数 | 第52-53页 |
| ·噪声参数的估计 | 第53-54页 |
| ·典型去噪方法 | 第54-57页 |
| ·中值滤波去噪方法 | 第54-55页 |
| ·最小均方误差滤波（维纳滤波） | 第55-56页 |
| ·块匹配三维联合滤波算法（BM3D） | 第56-57页 |
| ·一种基于低秩矩阵稀疏分解的去噪方法 | 第57-68页 |
| ·基于 IALM 方法的低秩稀疏分解 | 第58-59页 |
| ·平衡因子的选择 | 第59-62页 |
| ·基于低秩矩阵稀疏分解的去椒盐噪声方法 | 第62-65页 |
| ·实验结果和分析 | 第65-68页 |
| ·一种基于预处理方法的 BM3D 去混合噪声算法 | 第68-75页 |
| ·常用算法去混合噪声效果比较 | 第68-72页 |
| ·一种去除混合噪声的 P_BM3D 方法 | 第72-73页 |
| ·实验结果和分析 | 第73-75页 |
| ·小结 | 第75-76页 |
| 4 一种改进的基于自适应字典学习去混合噪声的方法 | 第76-98页 |
| ·引言 | 第76-77页 |
| ·基于稀疏表示的自适应字典学习去噪方法 | 第77-86页 |
| ·图像块的稀疏域建模 | 第77-78页 |
| ·整体图像的稀疏域模型 | 第78页 |
| ·基于过完备字典的图像去噪问题求解 | 第78-79页 |
| ·基于自适应字典学习的去噪方法 | 第79-81页 |
| ·基于稀疏表示的自适应字典学习去噪示例 | 第81-86页 |
| ·基于低秩矩阵稀疏分解的自适应字典学习去噪方法 | 第86-91页 |
| ·问题分析 | 第86-89页 |
| ·一种基于自适应字典学习的后处理去噪方法 | 第89-91页 |
| ·实验和分析 | 第91-95页 |
| ·实验结果 | 第91-93页 |
| ·实验分析 | 第93-95页 |
| ·小结 | 第95-98页 |
| 5 基于稀疏表示的字典学习超分辨率重构算法研究 | 第98-122页 |
| ·引言 | 第98-99页 |
| ·基于稀疏表示的双字典学习的单幅图像超分辨率重构 | 第99-106页 |
| ·基于稀疏表示的图像超分辨率重构模型 | 第99-102页 |
| ·训练样本集的构造问题 | 第102-103页 |
| ·高分辨率图像重构 | 第103-104页 |
| ·实验与分析 | 第104-106页 |
| ·基于改进字典学习方法的单幅彩色图像的超分辨率重构 | 第106-115页 |
| ·彩色图像处理 | 第106-107页 |
| ·一种改进的训练样本集构造方法 | 第107-110页 |
| ·一种基于低秩矩阵稀疏分解的超分辨率重构方法 | 第110-115页 |
| ·基于人脸学习的超分辨率重构实验与分析 | 第115-120页 |
| ·基于人脸学习的超分辨率重构实验 | 第115-120页 |
| ·实验结论 | 第120页 |
| ·小结 | 第120-122页 |
| 6 总结与展望 | 第122-126页 |
| ·工作与总结 | 第122-123页 |
| ·主要创新点 | 第123-124页 |
| ·展望 | 第124-126页 |
| 参考文献 | 第126-136页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第136页 |