一种自适应学习的图像超分辨率重建算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·图像分辨率与超分辨率的概念 | 第7-9页 |
| ·超分辨率重建研究现状及意义 | 第9-11页 |
| ·论文研究内容与组织结构 | 第11-13页 |
| 第二章 图像超分辨率重建算法概述 | 第13-23页 |
| ·基于插值的方法 | 第13-14页 |
| ·基于重建的方法 | 第14-19页 |
| ·基于学习的方法 | 第19-21页 |
| ·超分辨率重建评价标准 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 自适应稀疏表示的图像超分辨率重建 | 第23-31页 |
| ·引言 | 第23-24页 |
| ·稀疏重建算法 | 第24-30页 |
| ·子字典的学习 | 第25-29页 |
| ·子字典的自适应选择 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于局部与全局相结合的正则化模型的研究 | 第31-37页 |
| ·分段自回归和非局部结构自相似正则化模型 | 第31-32页 |
| ·自适应分段自回归模型(PAR) | 第32-33页 |
| ·PAR 模型的训练 | 第32页 |
| ·自适应的选择PAR 模型 | 第32页 |
| ·自适应稀疏表示算法与PAR 模型的结合 | 第32-33页 |
| ·非局部结构相似性模型(NLSS) | 第33-34页 |
| ·自适应非局部结构相似性模型的建立 | 第33页 |
| ·自适应稀疏表示算法与NLSS 模型的结合 | 第33-34页 |
| ·本文算法的总结 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第五章 仿真结果与讨论分析 | 第37-51页 |
| ·训练数据集合的选取 | 第37-39页 |
| ·算法中各参数的设计与仿真过程 | 第39页 |
| ·算法仿真结果及分析 | 第39-49页 |
| ·本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·进一步的工作展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-60页 |
