| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 图像超分辨率技术的背景和意义 | 第7-8页 |
| 1.2 图像超分辨率技术的研究现状 | 第8-10页 |
| 1.3 本论文研究内容和创新 | 第10-11页 |
| 1.4 本论文架构安排 | 第11-12页 |
| 2 图像超分辨率重建理论 | 第12-20页 |
| 2.1 图像超分辨率数学模型 | 第12-13页 |
| 2.2 序列图像超分辨率技术 | 第13-16页 |
| 2.2.1 基于集合理论的方法 | 第14-15页 |
| 2.2.2 迭代反投影法 | 第15页 |
| 2.2.3 基于概率论的方法 | 第15-16页 |
| 2.3 单帧图像超分辨率技术 | 第16-18页 |
| 2.3.1 基于插值的方法 | 第16-17页 |
| 2.3.2 基于重建的方法 | 第17页 |
| 2.3.3 基于学习的方法 | 第17-18页 |
| 2.4 图像超分辨率重建的评价指标 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 基于主结构分离的稀疏表示单帧图像超分辨率重建 | 第20-38页 |
| 3.1 稀疏表示理论 | 第20-22页 |
| 3.2 基于稀疏表示的图像超分辨率重建 | 第22-24页 |
| 3.3 OMP算法与KSVD字典学习算法 | 第24-27页 |
| 3.3.1 MP算法与OMP算法 | 第24-26页 |
| 3.3.2 KSVD字典学习算法 | 第26-27页 |
| 3.4 基于主结构分离的稀疏表示图像超分辨率重建 | 第27-32页 |
| 3.4.1 基于相对全变分的主结构分离方案 | 第27-29页 |
| 3.4.2 基于主结构自相似性的自驱动字典学习方案 | 第29-30页 |
| 3.4.3 算法流程与细节 | 第30-32页 |
| 3.5 实验结果与分析 | 第32-37页 |
| 3.5.1 基准 | 第33页 |
| 3.5.2 纹理字典训练模式对超分辨率重建效果的影响 | 第33-34页 |
| 3.5.3 与其他算法的比较 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 基于流形正则协同支持的单帧图像超分辨率重建 | 第38-50页 |
| 4.1 基于邻域内嵌的图像超分辨率重建 | 第38-39页 |
| 4.2 基于流形正则稀疏支持的图像超分辨率重建 | 第39-41页 |
| 4.3 基于流形正则协同支持的图像超分辨率重建 | 第41-44页 |
| 4.3.1 协同支持回归 | 第41-42页 |
| 4.3.2 算法流程与细节 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-49页 |
| 4.4.1 基准 | 第44-45页 |
| 4.4.2 协同支持样本数量对超分辨率重建效果的影响 | 第45页 |
| 4.4.3 与其他算法的比较 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于最适化固定邻域回归的单帧图像超分辨率重建 | 第50-62页 |
| 5.1 改进的基于稀疏表示的图像超分辨率重建 | 第50-51页 |
| 5.2 基于固定邻域回归的图像超分辨率重建 | 第51-52页 |
| 5.3 基于最适化固定邻域回归的图像超分辨率重建 | 第52-56页 |
| 5.3.1 基于K-means聚类的字典学习方案 | 第52-54页 |
| 5.3.2 基于绝对相关性的邻域搜索方案 | 第54-55页 |
| 5.3.3 算法流程与细节 | 第55-56页 |
| 5.4 实验结果与分析 | 第56-60页 |
| 5.4.1 基准 | 第56-57页 |
| 5.4.2 与其他算法的比较 | 第57-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 结束语 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 附录 | 第72页 |
