首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积稀疏表示的图像超分辨率重建研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 研究背景及意义第11-12页
    1.2 图像超分辨率重建方法的研究现状第12-14页
    1.3 本文的主要内容及结构安排第14-17页
        1.3.1 本文的主要内容第14-15页
        1.3.2 本文的结构安排第15-17页
第2章 单幅图像超分辨率重建技术第17-33页
    2.1 图像退化模型第17-18页
    2.2 单幅图像超分辨率重建算法第18-30页
        2.2.1 基于插值的算法第19-21页
        2.2.2 基于重建的算法第21-24页
        2.2.3 基于学习的算法第24-30页
    2.3 重建图像质量的评价标准第30-31页
    2.4 本章小结第31-33页
第3章 基于学习的卷积稀疏编码图像超分辨率重建第33-47页
    3.1 引言第33页
    3.2 卷积稀疏编码第33-35页
    3.3 基于学习的卷积稀疏编码图像超分辨率重建模型第35-42页
        3.3.1 模型建立第36页
        3.3.2 模型求解第36-42页
    3.4 实验结果与分析第42-45页
    3.5 本章小结第45-47页
第4章 基于重构的卷积稀疏编码图像超分辨率重建第47-61页
    4.1 引言第47页
    4.2 图像的非局部自相似性第47-50页
        4.2.1 图像的非局部自相似性第47-49页
        4.2.2 自相似性的度量第49-50页
    4.3 基于重构的卷积稀疏编码图像超分辨率重建模型第50-53页
        4.3.1 模型建立第50-51页
        4.3.2 模型求解第51-53页
    4.4 基于非局部自相似卷积稀疏编码的图像超分辨率重建模型第53-56页
        4.4.1 模型建立第53-54页
        4.4.2 模型求解第54-56页
    4.5 实验结果与分析第56-60页
    4.6 本章小结第60-61页
结论第61-63页
参考文献第63-67页
攻读硕士学位期间所发表的学术论文第67-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:跨项目细粒度代码变更的缺陷预测方法研究
下一篇:面向多视数据的稀疏子空间聚类方法研究