| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-28页 |
| ·研究背景及意义 | 第12-13页 |
| ·基本概念及问题描述 | 第13-14页 |
| ·超分辨率重建国内外研究现状 | 第14-25页 |
| ·基于插值的方法 | 第15-16页 |
| ·基于多帧重构的方法 | 第16-19页 |
| ·基于学习的方法 | 第19-23页 |
| ·研究热点：正则化重建 | 第23-25页 |
| ·论文的组织结构及创新点 | 第25-28页 |
| ·论文的组织结构 | 第25-26页 |
| ·论文的主要创新点 | 第26-28页 |
| 第二章 基于学习的图像超分辨率重建技术 | 第28-37页 |
| ·变换域学习方法 | 第28-30页 |
| ·空间域学习方法 | 第30-33页 |
| ·基于马尔科夫网络的超分辨率重建 | 第30-31页 |
| ·基于近邻嵌入的超分辨率重建 | 第31-32页 |
| ·基于稀疏表示的超分辨率重建 | 第32-33页 |
| ·超分辨率重建图像质量评价 | 第33-36页 |
| ·小结 | 第36-37页 |
| 第三章 基于流形学习的超分辨率重建 | 第37-65页 |
| ·引言 | 第37-38页 |
| ·流形学习 | 第38-41页 |
| ·基本概念 | 第38-40页 |
| ·局部线性嵌入（LLE）流形学习方法 | 第40-41页 |
| ·LLE 与超分辨率重建的关系 | 第41页 |
| ·基于 L_SC 特征选择和梯度约束的超分辨率重建 | 第41-54页 |
| ·L_SC 特征选择 | 第41-43页 |
| ·基于 L_SC 特征选择的超分辨率重建 | 第43-45页 |
| ·基于 L_SC 特征选择和梯度约束的超分辨率重建 | 第45-46页 |
| ·实验及分析 | 第46-54页 |
| ·带约束的逐级放大超分辨率重建 | 第54-63页 |
| ·带约束的逐级放大 | 第54-56页 |
| ·构建联合训练集 | 第56页 |
| ·基于带约束的逐级放大超分辨率重建 | 第56-58页 |
| ·实验及分析 | 第58-63页 |
| ·小结 | 第63-65页 |
| 第四章 基于稀疏表示的超分辨率重建 | 第65-89页 |
| ·引言 | 第65-66页 |
| ·图像的稀疏表示模型 | 第66-69页 |
| ·稀疏表示理论 | 第66-67页 |
| ·字典学习方法 | 第67-68页 |
| ·稀疏表示与超分辨率重建 | 第68-69页 |
| ·基于双稀疏字典的超分辨率重建 | 第69-77页 |
| ·双稀疏字典 | 第69-71页 |
| ·基于双稀疏字典的超分辨率重建算法 | 第71-73页 |
| ·实验及分析 | 第73-77页 |
| ·基于小波系数稀疏表示的超分辨率重建 | 第77-87页 |
| ·小波域字典学习 | 第77-79页 |
| ·高频小波系数学习及超分辨率重建 | 第79-81页 |
| ·实验及分析 | 第81-87页 |
| ·小结 | 第87-89页 |
| 第五章 基于多类别字典的正则化超分辨率重建 | 第89-112页 |
| ·引言 | 第89-91页 |
| ·图像块分类方法 | 第91-98页 |
| ·基于相位一致性信息的块分类 | 第91-93页 |
| ·基于梯度信息的块分类 | 第93-98页 |
| ·基于多类别字典的正则化超分辨率重建 | 第98-110页 |
| ·基于多类别字典的超分辨率重建 | 第98-99页 |
| ·非局部自相似约束与正则化重建 | 第99-101页 |
| ·实验及分析 | 第101-110页 |
| ·小结 | 第110-112页 |
| 结论与展望 | 第112-115页 |
| （一）论文的主要研究工作总结 | 第112-113页 |
| （二）论文的进一步研究方向 | 第113-115页 |
| 参考文献 | 第115-127页 |
| 攻读博士学位期间取得的研究成果 | 第127-129页 |
| 致谢 | 第129-130页 |
| 附录 | 第130页 |