| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·论文背景及研究意义 | 第10-11页 |
| ·图像表示模型 | 第11-14页 |
| ·确定模型 | 第11-12页 |
| ·随机模型 | 第12-14页 |
| ·超分辨率重建模型 | 第14-16页 |
| ·基于稀疏表示的视频图像超分辨率综述 | 第16-21页 |
| ·国内外发展现状 | 第16-18页 |
| ·国内外研究热点 | 第18-20页 |
| ·国内外产品 | 第20-21页 |
| ·存在问题及发展趋势 | 第21页 |
| ·本文主要研究内容及章节安排 | 第21-23页 |
| ·研究内容 | 第22页 |
| ·章节安排 | 第22-23页 |
| 第2章 基于稀疏表示的视频图像超分辨率重建算法 | 第23-34页 |
| ·视频图像的稀疏表示原理 | 第23-26页 |
| ·图像的稀疏表示 | 第24页 |
| ·自适应稀疏域选择的稀疏表示 | 第24-26页 |
| ·基于稀疏表示的视频图像超分辨率重建算法模型 | 第26-29页 |
| ·重建算法描述 | 第29-30页 |
| ·实验结果及对比分析 | 第30-34页 |
| ·图像质量评价准则 | 第30-32页 |
| ·实验结果及分析 | 第32-34页 |
| 第3章 字典重建算法影响因素分析 | 第34-58页 |
| ·特征对重建算法性能的影响 | 第34-40页 |
| ·基于灰度值的字典构建算法 | 第34-36页 |
| ·基于特征的字典构建算法 | 第36-37页 |
| ·算法的性能影响分析 | 第37-40页 |
| ·字典构建算法对重建算法性能的影响 | 第40-45页 |
| ·训练集对重建性能影响分析 | 第45-57页 |
| ·同类目标训练集构建字典 | 第45-47页 |
| ·单一目标训练集构建字典 | 第47-50页 |
| ·自然图像训练集构建字典 | 第50-51页 |
| ·重建性能影响分析 | 第51-57页 |
| ·实验结果分析 | 第57-58页 |
| 第4章 基于MSA和Lucas Kanade的无显式运动估计 | 第58-66页 |
| ·算法原理 | 第58-60页 |
| ·Lucas Kanade方法 | 第58页 |
| ·基于多尺度自卷积(MSA)的特征匹配方法 | 第58-60页 |
| ·算法描述 | 第60-63页 |
| ·实验结果及分析 | 第63-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 研究生履历 | 第74页 |