| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文结构安排 | 第13-14页 |
| 第二章 图像低秩性质与最优化方法 | 第14-25页 |
| 2.1 引言 | 第14-15页 |
| 2.2 图像低秩 | 第15-16页 |
| 2.3 低秩结构在图像分析中的应用 | 第16-19页 |
| 2.3.1 人脸识别与背景消除 | 第16页 |
| 2.3.2 聚类与分类 | 第16-17页 |
| 2.3.3 图像对齐、校正、修复、降噪、分割 | 第17-19页 |
| 2.4 矩阵恢复 | 第19-23页 |
| 2.4.1 少量输入下的恢复 | 第19-21页 |
| 2.4.2 大量错误下的恢复 | 第21-23页 |
| 2.5 最优化算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于图像低秩的图像插值方法 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于图像低秩的图像插值方法结构 | 第26-27页 |
| 3.3 基于图像低秩的图像插值方法的具体实现 | 第27-35页 |
| 3.3.1 方法中各参数的详细解释 | 第29-31页 |
| 3.3.2 基于图像低秩的图像插值方法实现算法 | 第31-32页 |
| 3.3.3 基于图像低秩的图像插值方法的具体实现 | 第32-35页 |
| 3.4 实验结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于Hadoop平台的插值法实现 | 第39-58页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于Hadoop平台的插值法的实现基础 | 第40-44页 |
| 4.2.1 Hadoop平台概述 | 第40-42页 |
| 4.2.2 传统的双线性插值法以及基于边缘的插值法 | 第42-44页 |
| 4.3 基于Hadoop平台的两种传统算法与基于图像低秩的插值算法结构 | 第44-47页 |
| 4.4 基于Hadoop平台的插值法实现算法 | 第47-51页 |
| 4.4.1 基于Hadoop平台的双线性插值法的实现算法 | 第47-49页 |
| 4.4.2 基于Hadoop平台的基于边缘的插值法的实现算法 | 第49-50页 |
| 4.4.3 基于Hadoop平台的基于图像低秩的图像插值法的实现算法 | 第50-51页 |
| 4.5 实验结果分析 | 第51-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间申请的专利 | 第63-64页 |
| 致谢 | 第64页 |
