| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 数字图像以及图像分辨率的概念 | 第7页 |
| 1.2 超分辨率图像复原的背景与意义 | 第7-10页 |
| 1.2.1 超分辨率图像复原的提出背景 | 第7-9页 |
| 1.2.2 超分辨率图像复原的研究意义 | 第9-10页 |
| 1.3 超分辨率图像复原的研究现状 | 第10-12页 |
| 1.4 论文的内容与组织结构 | 第12-13页 |
| 第二章 超分辨率图像复原理论知识 | 第13-21页 |
| 2.1 超分辨率图像复原观测模型 | 第13-14页 |
| 2.2 基于学习的超分辨率图像复原的基础理论知识 | 第14-16页 |
| 2.3 图像插值技术 | 第16-19页 |
| 2.3.1 图像插值放大原理 | 第16-17页 |
| 2.3.2 图像插值算法 | 第17-19页 |
| 2.4 图像超分辨率复原算法评价标准 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于全变分正则化的超分辨率图像复原学习模型 | 第21-33页 |
| 3.1 全变分的概念 | 第21-22页 |
| 3.2 基于学习的超分辨率复原常用模型 | 第22-24页 |
| 3.2.1 压缩感知理论在图像复原中的应用 | 第22-23页 |
| 3.2.2 基于稀疏表示的图像超分辨率复原的模型 | 第23-24页 |
| 3.3 基于 TV 正则化及学习的超分辨率图像复原 | 第24-28页 |
| 3.3.1 基于 TV 正则化的学习模型的建立 | 第24-26页 |
| 3.3.2 基于 TV 正则化的学习模型的求解 | 第26-28页 |
| 3.4 TV 正则化学习模型的全局优化算法 | 第28-29页 |
| 3.4.1 非局部均值算法 | 第28-29页 |
| 3.4.2 迭代反投影算法 | 第29页 |
| 3.5 超分辨率图像复原中超完备字典的训练 | 第29-31页 |
| 3.6 TV 正则化学习模型的整体算法流程 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 仿真结果与讨论分析 | 第33-42页 |
| 4.1 训练数据集合的选取 | 第33-35页 |
| 4.2 算法中各参数的设计 | 第35页 |
| 4.3 算法仿真结果及分析 | 第35-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 本文总结 | 第42页 |
| 5.2 超分辨率图像复原展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 发表论文和参加科研情况说明 | 第48-49页 |
| 致谢 | 第49页 |