| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 专用术语注释表 | 第12-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 图像超分辨率重建模型 | 第15-16页 |
| 1.3 超分辨率重建算法研究现状 | 第16-24页 |
| 1.3.1 基于插值的方法 | 第17-18页 |
| 1.3.2 基于重建的方法 | 第18-20页 |
| 1.3.3 基于样本学习的方法 | 第20-24页 |
| 1.4 论文研究内容和主要结构 | 第24-28页 |
| 第二章 图像的稀疏表示与超分辨率重建 | 第28-50页 |
| 2.1 信号的稀疏性 | 第28-32页 |
| 2.1.1 图像的稀疏性 | 第28-29页 |
| 2.1.2 稀疏度测量 | 第29-31页 |
| 2.1.3 稀疏信号正则化解 | 第31-32页 |
| 2.2 信号的稀疏表示 | 第32-47页 |
| 2.2.1 稀疏表示模型 | 第32-33页 |
| 2.2.2 唯一性和稳定性 | 第33页 |
| 2.2.3 稀疏表示的优化算法 | 第33-37页 |
| 2.2.4 压缩感知 | 第37-41页 |
| 2.2.5 字典学习 | 第41-47页 |
| 2.3 基于稀疏表示的图像超分辨率重建 | 第47-49页 |
| 2.3.1 基于稀疏表示的图像处理技术 | 第47-48页 |
| 2.3.2 基于稀疏表示的图像超分辨率重建模型 | 第48-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第三章 基于双字典对的图像超分辨率重建 | 第50-67页 |
| 3.1 引言 | 第50-51页 |
| 3.2 基于双字典对的重建框架 | 第51-53页 |
| 3.3 双字典对的构建 | 第53-56页 |
| 3.3.1 基本高、低字典对构建 | 第53-55页 |
| 3.3.2 残差高、低字典对构建 | 第55-56页 |
| 3.4 基于双字典对的超分辨重建算法 | 第56-58页 |
| 3.4.1 基于基本字典对稀疏表示的超分辨率重建 | 第56-57页 |
| 3.4.2 基于残差字典对邻域嵌入超分辨率重建 | 第57-58页 |
| 3.5 实验结果及分析 | 第58-66页 |
| 3.5.1 参数设置 | 第59页 |
| 3.5.2 实验结果对比 | 第59-62页 |
| 3.5.3 相关参数对实验结果影响分析 | 第62-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 基于自适应字典选择的图像超分辨率重建 | 第67-86页 |
| 4.1 引言 | 第67-69页 |
| 4.2 基于自适应字典选择的重建框架 | 第69-70页 |
| 4.3 图像的全局先验约束 | 第70-73页 |
| 4.3.1 专家场模型 | 第70-72页 |
| 4.3.2 图像预处理 | 第72-73页 |
| 4.4 分类字典的构建 | 第73-77页 |
| 4.4.1 分层梯度方向直方图 | 第74-75页 |
| 4.4.2 分类字典 | 第75-77页 |
| 4.5 基于自适应字典选择的超分辨率重建算法 | 第77-79页 |
| 4.5.1 基于边缘检测的块选择方案 | 第77页 |
| 4.5.2 自适应字典选择的超分辨率重建 | 第77-78页 |
| 4.5.3 IBP全局约束 | 第78-79页 |
| 4.6 实验结果及分析 | 第79-85页 |
| 4.6.1 参数设置 | 第79-80页 |
| 4.6.2 实验结果对比 | 第80-83页 |
| 4.6.3 相关参数对实验结果影响分析 | 第83-85页 |
| 4.7 本章小结 | 第85-86页 |
| 第五章 基于稀疏特征梯度估计的图像超分辨率重建 | 第86-102页 |
| 5.1 引言 | 第86-88页 |
| 5.2 基于稀疏特征梯度估计的超分辨率重建框架 | 第88-90页 |
| 5.2.1 基于边缘导向超分辨率重建框架 | 第88-89页 |
| 5.2.2 基于稀疏特征梯度估计的图像重建 | 第89-90页 |
| 5.3 基于稀疏特征梯度估计的超分辨率重建算法 | 第90-95页 |
| 5.3.1 图像块样本选取 | 第90-91页 |
| 5.3.2 稀疏滤波 | 第91-92页 |
| 5.3.3 梯度估计 | 第92-94页 |
| 5.3.4 图像重建 | 第94-95页 |
| 5.4 实验结果及分析 | 第95-101页 |
| 5.4.1 参数设置 | 第95-96页 |
| 5.4.2 实验结果对比 | 第96-100页 |
| 5.4.3 相关参数对实验结果影响分析 | 第100-101页 |
| 5.5 本章小结 | 第101-102页 |
| 第六章 基于局部回归及多尺度自相似的图像超分辨率重建 | 第102-121页 |
| 6.1 引言 | 第102-104页 |
| 6.2 基于局部回归和多尺度自相似的重建框架 | 第104-107页 |
| 6.2.1 符号定义 | 第104页 |
| 6.2.2 局部一阶回归模型 | 第104-105页 |
| 6.2.3 重建方案 | 第105-107页 |
| 6.3 基于局部回归和多尺度自相似的超分辨率重建算法 | 第107-113页 |
| 6.3.1 基于尺度不变性的对应位样本匹配 | 第107页 |
| 6.3.2 基于非局部自相似的加权一阶回归模型 | 第107-108页 |
| 6.3.3 字典学习 | 第108-111页 |
| 6.3.4 后处理 | 第111-113页 |
| 6.4 实验结果及分析 | 第113-120页 |
| 6.4.1 参数设置 | 第113-114页 |
| 6.4.2 实验结果对比 | 第114-119页 |
| 6.4.3 相关参数对实验结果影响分析 | 第119-120页 |
| 6.5 本章小结 | 第120-121页 |
| 第七章 总结与展望 | 第121-124页 |
| 7.1 总结 | 第121-122页 |
| 7.2 展望 | 第122-124页 |
| 参考文献 | 第124-133页 |
| 附录1 攻读博士学位期间撰写的论文 | 第133-135页 |
| 附录2 攻读博士学位期间申请的专利 | 第135-136页 |
| 附录3 攻读博士学位期间参加的科研项目 | 第136-137页 |
| 致谢 | 第137-138页 |