| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-25页 |
| 1.1 图像超分辨率算法的研究背景及其研究意义 | 第10-12页 |
| 1.1.1 图像超分辨率的研究背景 | 第10-11页 |
| 1.1.2 图像超分辨率的研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-23页 |
| 1.2.1 基于插值的图像超分辨率 | 第13-15页 |
| 1.2.2 基于重建的图像超分辨率算法 | 第15-19页 |
| 1.2.2.1 频域法 | 第15-16页 |
| 1.2.2.2 空域法 | 第16-19页 |
| 1.2.3 基于学习的图像超分辨率算法 | 第19-23页 |
| 1.2.3.1 基于样例学习的方法 | 第19-20页 |
| 1.2.3.2 基于局部领域嵌入(LLE)的方法 | 第20-21页 |
| 1.2.3.3 基于稀疏表示的图像超分辨率 | 第21页 |
| 1.2.3.4 基于深度学习的图像超分辨率 | 第21-23页 |
| 1.3 论文研究内容与组织结构 | 第23-25页 |
| 1.3.1 论文的研究内容与创新点 | 第23页 |
| 1.3.2 论文的组织结构 | 第23-25页 |
| 2 图像的稀疏表示和超分辨率重建 | 第25-39页 |
| 2.1 压缩感知理论 | 第25-27页 |
| 2.2 稀疏表示理论与模型 | 第27-32页 |
| 2.2.1 信号的稀疏表示 | 第27-28页 |
| 2.2.2 稀疏表示的重构算法 | 第28-32页 |
| 2.2.2.1 贪婪算法 | 第28-29页 |
| 2.2.2.2 凸松弛算法 | 第29-32页 |
| 2.3 基于压缩感知的图像超分辨率重构 | 第32-36页 |
| 2.3.1 字典学习方法 | 第32-34页 |
| 2.3.2 基于稀疏表示的图像超分辨率重建 | 第34-36页 |
| 2.3.2.1 训练字典阶段 | 第34-35页 |
| 2.3.2.2 图像重构阶段 | 第35-36页 |
| 2.4 图像超分辨率重构的质量评价方法 | 第36-38页 |
| 2.4.1 主观评价指标 | 第36-37页 |
| 2.4.2 客观评价指标 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 基于RTV模型与同伦法的图像超分辨率处理方法 | 第39-50页 |
| 3.1 RTV模型介绍 | 第39-43页 |
| 3.1.1 TV模型 | 第39-40页 |
| 3.1.2 RTV模型 | 第40-42页 |
| 3.1.3 同伦法 | 第42-43页 |
| 3.2 算法设计与流程 | 第43-46页 |
| 3.2.1 基于TV模型的图像超分辨率 | 第43页 |
| 3.2.2 基于RTV模型和同伦法的图像超分辨率 | 第43-46页 |
| 3.3 实验结果与分析 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 基于RTV模型与LRTV模型的图像超分辨率处理方法 | 第50-57页 |
| 4.1 LRTV模型介绍 | 第50-52页 |
| 4.2 算法流程与设计 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 基于SM特征分类字典的图像超分辨率处理方法 | 第57-64页 |
| 5.1 算法设计与流程 | 第57-60页 |
| 5.2 实验结果与分析 | 第60-62页 |
| 5.3 本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 攻读硕士学位期间取得的研究进展 | 第73-74页 |
| 致谢 | 第74-77页 |