| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 超分辨率重建国内外研究现状 | 第12-16页 |
| 1.2.1 基于插值的超分辨率图像重构 | 第13-14页 |
| 1.2.2 基于重构的超分辨率图像重构 | 第14-15页 |
| 1.2.3 基于学习的超分辨率图像重构 | 第15-16页 |
| 1.3 论文的主要内容和章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 红外成像超分辨率重构技术基础 | 第18-27页 |
| 2.1 红外成像 | 第18-21页 |
| 2.1.1 红外辐射基本理论 | 第18-19页 |
| 2.1.2 红外成像基本原理 | 第19-21页 |
| 2.2 红外图像特点及数字化 | 第21-23页 |
| 2.2.1 红外图像的特点 | 第21-22页 |
| 2.2.2 红外图像的数字化 | 第22-23页 |
| 2.3 图像重构质量评价 | 第23-26页 |
| 2.3.1 主观评价方法 | 第23-24页 |
| 2.3.2 客观评价方法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于结构张量和自适应阶数的可控核回归的红外图像重构 | 第27-45页 |
| 3.1 经典核回归模型 | 第27-35页 |
| 3.1.1 核回归模型的建立 | 第28-30页 |
| 3.1.2 核函数 | 第30-32页 |
| 3.1.3 等价回归模型 | 第32-34页 |
| 3.1.4 平滑矩阵H的选取 | 第34-35页 |
| 3.2 自适应控制核回归 | 第35-39页 |
| 3.2.1 自适应核回归方法 | 第36-37页 |
| 3.2.2 协方差矩阵的计算和作用 | 第37-39页 |
| 3.3 基于结构张量和自适应阶数的核回归 | 第39-44页 |
| 3.3.1 结构张量的概念与性质 | 第39-41页 |
| 3.3.2 基于结构张量的核回归算法 | 第41-43页 |
| 3.3.3 基于结构和自适应阶数的图像重建 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于自相似性和自适应稀疏字典选择的红外图像重构 | 第45-60页 |
| 4.1 图像的自相似理论 | 第45-49页 |
| 4.1.1 局部结构的自相似性 | 第46-48页 |
| 4.1.2 相似性度量 | 第48-49页 |
| 4.2 基础理论部分 | 第49-52页 |
| 4.2.1 基于稀疏表示的图像观测模型 | 第49-51页 |
| 4.2.2 自相似性形成的金字塔作为样本库 | 第51-52页 |
| 4.3 改进的自适应稀疏字典选择算法 | 第52-57页 |
| 4.3.1 利用双稀疏字典进行字典改进 | 第53-54页 |
| 4.3.2 改进自适应稀疏字典选择算法的重建过程 | 第54-57页 |
| 4.4 基于自相似性和自适应稀疏字典选择的红外图像重构 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 实验结果与分析 | 第60-73页 |
| 5.1 实验方案说明 | 第60-62页 |
| 5.2 红外图像重建效果比较 | 第62-71页 |
| 5.2.1 无噪声情况下的红外图像重构效果比较 | 第62-67页 |
| 5.2.2 有噪声情况下的红外图像重构效果比较 | 第67-71页 |
| 5.3 本章小结 | 第71-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
