| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 基于插值的方法 | 第10-12页 |
| 1.2.2 基于多帧重建的方法 | 第12-13页 |
| 1.2.3 基于学习的方法 | 第13-17页 |
| 1.3 本文主要工作及结构安排 | 第17-19页 |
| 1.3.1 本文主要工作 | 第17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 第二章 基于稀疏表示的超分辨率图像重建理论 | 第19-35页 |
| 2.1 图像降质模型 | 第19-20页 |
| 2.2 稀疏表示理论 | 第20-21页 |
| 2.3 字典构建算法 | 第21-23页 |
| 2.3.1 最佳向量方法 | 第21-22页 |
| 2.3.2 K-SVD方法 | 第22-23页 |
| 2.4 稀疏表示的优化算法 | 第23-28页 |
| 2.4.1 基追踪算法 | 第24页 |
| 2.4.2 匹配追踪算法 | 第24-26页 |
| 2.4.3 正交匹配追踪算法 | 第26-28页 |
| 2.5 正则化项约束 | 第28-31页 |
| 2.5.1 局部稀疏正则化约束模型 | 第28-30页 |
| 2.5.2 全局稀疏正则化约束模型 | 第30-31页 |
| 2.6 基于稀疏表示的图像重建方法 | 第31-34页 |
| 2.6.1 样本集选取 | 第31-32页 |
| 2.6.2 训练联合字典 | 第32-33页 |
| 2.6.3 重建待恢复图像 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 基于图像块分类的多子字典超分辨率图像重建算法 | 第35-47页 |
| 3.1 分层构建多成分字典重建算法 | 第35-40页 |
| 3.1.1 形态成分分析分解图像 | 第35-37页 |
| 3.1.2 图像块分层过程 | 第37-40页 |
| 3.1.3 多成分字典图像构建过程 | 第40页 |
| 3.2 分块分层构建多成分子字典算法重建 | 第40-45页 |
| 3.2.1 图像块多级分类 | 第41-42页 |
| 3.2.2 样本集分类选取 | 第42-43页 |
| 3.2.3 多子字典图像重建过程 | 第43-45页 |
| 3.3 本章小结 | 第45-47页 |
| 第四章 实验过程及结果分析 | 第47-59页 |
| 4.1 性能评价准则 | 第47-48页 |
| 4.2 不同原子数联合字典对比实验 | 第48-50页 |
| 4.3 稀疏表示的方法对比实验 | 第50-53页 |
| 4.4 图像块分类的多子字典超分辨率图像重建的方法对比实验 | 第53-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59-60页 |
| 5.2 前景与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况 | 第65-67页 |
| 致谢 | 第67页 |