基于学习的图像超分辨率算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 图表目录 | 第10-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 基本概念及问题描述 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 超分辨率复原技术 | 第17-28页 |
| 2.1 超分辨率复原技术概述 | 第17页 |
| 2.2 基于插值的超分辨率复原 | 第17-21页 |
| 2.2.1 最邻近插值 | 第18-19页 |
| 2.2.2 双线性插值 | 第19-20页 |
| 2.2.3 双三次插值 | 第20-21页 |
| 2.3 基于重建的超分辨率复原 | 第21-25页 |
| 2.3.1 迭代反投影法 | 第22页 |
| 2.3.2 凸集投影方法 | 第22-23页 |
| 2.3.3 最大后验概率方法 | 第23-25页 |
| 2.4 基于学习的超分辨率复原 | 第25-27页 |
| 2.4.1 基于示例学习的超分辨率复原 | 第25-26页 |
| 2.4.2 基于邻域嵌入的超分辨率复原 | 第26-27页 |
| 2.4.3 基于稀疏表示的超分辨率复原 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于纹理特征分类查找的超分辨率复原 | 第28-43页 |
| 3.1 基于预分类学习的超分辨率复原 | 第28-34页 |
| 3.1.1 算法原理 | 第29页 |
| 3.1.2 样本的纹理特征 | 第29-31页 |
| 3.1.3 样本库的建立 | 第31-32页 |
| 3.1.4 基于纹理特征的样本预分类 | 第32-33页 |
| 3.1.5 高分辨率图像的生成 | 第33-34页 |
| 3.2 基于纹理特征分类查找的超分辨率复原 | 第34-42页 |
| 3.2.1 算法原理 | 第35页 |
| 3.2.2 样本库的分类 | 第35-37页 |
| 3.2.3 匹配重建 | 第37-39页 |
| 3.2.4 实验结果与分析 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 精简样本库 | 第43-59页 |
| 4.1 平坦区域的预处理 | 第45-49页 |
| 4.1.1 算法原理 | 第45-46页 |
| 4.1.2 实验结果与分析 | 第46-49页 |
| 4.2 基于近邻法的样本库精简 | 第49-58页 |
| 4.2.1 算法原理 | 第49页 |
| 4.2.2 基于近邻法的样本库分类 | 第49-51页 |
| 4.2.3 基于剪辑近邻法的样本库精简 | 第51-53页 |
| 4.2.4 基于压缩近邻法的样本库压缩 | 第53-55页 |
| 4.2.5 实验结果与分析 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文的主要工作 | 第59页 |
| 5.2 进一步工作的方向 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第65-66页 |
| 详细摘要 | 第66-90页 |
