基于稀疏表示和回归的图像超分辨率重建的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-11页 |
| 1.3 本文的内容结构安排 | 第11-13页 |
| 2 图像超分辨率重建的理论 | 第13-28页 |
| 2.1 图像的降质退化模型 | 第13-14页 |
| 2.2 常用的图像超分辨率重建的方法 | 第14-25页 |
| 2.2.1 基于插值法 | 第14-17页 |
| 2.2.2 基于重建法 | 第17-21页 |
| 2.2.3 基于学习的方法 | 第21-25页 |
| 2.3 图像质量的评价 | 第25-26页 |
| 2.3.1 主观评价 | 第25页 |
| 2.3.2 客观评价 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 基于稀疏表示和支持向量回归的图像超分辨率重建 | 第28-56页 |
| 3.1 图像的稀疏表示理论 | 第28-29页 |
| 3.2 稀疏编码 | 第29-31页 |
| 3.2.1 匹配追踪方法 | 第30-31页 |
| 3.2.2 正交匹配追踪方法 | 第31页 |
| 3.3 过完备字典的构建 | 第31-34页 |
| 3.3.1 MOD最佳方向法 | 第32-33页 |
| 3.3.2 广义的PCA方法 | 第33页 |
| 3.3.3 K-SVD方法 | 第33-34页 |
| 3.4 数据处理 | 第34-37页 |
| 3.4.1 图像特征的提取 | 第35页 |
| 3.4.2 图像分块 | 第35-37页 |
| 3.5 图像的聚类方法 | 第37-41页 |
| 3.5.1 经典的K-均值聚类方法 | 第38-39页 |
| 3.5.2 自适应初始中心点的聚类方法 | 第39-41页 |
| 3.6 子字典的构建 | 第41-42页 |
| 3.7 支持向量回归 | 第42-47页 |
| 3.8 图像超分辨率的重建过程 | 第47-50页 |
| 3.8.1 训练阶段 | 第47-49页 |
| 3.8.2 重建阶段 | 第49-50页 |
| 3.9 实验结果和分析 | 第50-55页 |
| 3.10 本章小结 | 第55-56页 |
| 4 基于双字典的稀疏表示和回归的图像超分辨率重建 | 第56-67页 |
| 4.1 双字典方法的理论 | 第56-57页 |
| 4.2 双字典的训练 | 第57-60页 |
| 4.3 图像的重建阶段 | 第60-62页 |
| 4.4 实验结果和分析 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间的研究成果 | 第73页 |
