| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-13页 |
| ·超分辨率的概念 | 第6-7页 |
| ·图像超分辨率发展的背景 | 第7-8页 |
| ·图像超分辨率的现状 | 第8-10页 |
| ·图像超分辨率的发展前景 | 第10-11页 |
| ·论文工作内容及结构安排 | 第11-13页 |
| 第二章 超分辨率图像复原的数学模型和算法 | 第13-27页 |
| ·数学模型 | 第13-18页 |
| ·观测模型 | 第13-14页 |
| ·超分辨率复原的数学物理模型 | 第14-15页 |
| ·传统的图像复原和问题的规整化 | 第15-16页 |
| ·超分辨率图像复原 | 第16-18页 |
| ·欠采样率的确定 | 第18页 |
| ·超分辨率复原需要解决的问题 | 第18-21页 |
| ·运动参数估计 | 第19-20页 |
| ·图像插值 | 第20-21页 |
| ·与图像复原的联系 | 第21页 |
| ·超分辨率算法 | 第21-25页 |
| ·非盲超分辨率复原算法 | 第22-24页 |
| ·盲超分辨率复原 | 第24-25页 |
| ·基于学习的超分辨率复原算法 | 第25页 |
| ·几种改进的快速超分辨率算法 | 第25页 |
| ·图像的质量评价 | 第25-27页 |
| 第三章 一种基于全变分的自适应保真项去噪算法的数值实现 | 第27-41页 |
| ·图像的平滑与去噪 | 第28-30页 |
| ·邻域平均法 | 第28页 |
| ·平均法 | 第28-29页 |
| ·中值滤波 | 第29页 |
| ·自适应维纳滤波 | 第29-30页 |
| ·梯度下降法 | 第30-32页 |
| ·基本原理 | 第30-31页 |
| ·算法的迭代过程 | 第31-32页 |
| ·效能特点 | 第32页 |
| ·TV的梯度计算 | 第32-33页 |
| ·图像的空间梯度 | 第32-33页 |
| ·图像的像素梯度 | 第33页 |
| ·本章节研究内容的模型建立 | 第33-38页 |
| ·λ的自适应问题 | 第34-35页 |
| ·S(x,y)分布的求取 | 第35-36页 |
| ·自适应保真项的全变分模型的数字实现 | 第36-38页 |
| ·实验结果及比较 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 一种基于先验知识和Kullback-Leibler距离的超分辨率图像复原算法 | 第41-49页 |
| ·观测模型的公式化 | 第41页 |
| ·贝叶斯理论基础 | 第41-44页 |
| ·分层贝叶斯模型 | 第41-42页 |
| ·变贝叶斯推理 | 第42-44页 |
| ·Kullback-Leibler距离 | 第44-46页 |
| ·实验结果及比较 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结 | 第49-50页 |
| ·本文工作总结 | 第49页 |
| ·本文工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介 | 第54页 |
| 攻读硕士学位期间研究成果 | 第54-55页 |