基于组稀疏表示的自然图像超分辨率算法研究

摘要	第1-4页
Abstract	第4-6页
目录	第6-8页
1 绪论	第8-20页
·论文的研究背景及意义	第8-10页
·研究现状	第10-18页
·超分辨率重建模型	第10-11页
·图像超分辨率重建方法	第11-18页
·本文的创新点	第18页
·本文的研究内容	第18-20页
2 基于稀疏表示的图像超分辨率重建算法基础	第20-35页
·压缩感知理论和稀疏编码理论基础	第20-23页
·压缩感知理论	第20-22页
·稀疏编码理论基础	第22-23页
·稀疏编码的数学描述	第23-33页
·稀疏优化算法	第24-26页
·过完备字典训练方法	第26-33页
·基于稀疏表示的图像重建过程	第33-34页
·本章小结	第34-35页
3 基于字典聚类组稀疏表示的图像超分辨率重建方法	第35-51页
·基于组稀疏表示的图像超分辨率	第35-37页
·组稀疏表示	第35-37页
·字典学习	第37页
·基于字典聚类组稀疏表示的图像超分基辨率重建	第37-42页
·改进的字典学习方法	第38-41页
·基于改进的结构化字典的算法流程	第41-42页
·仿真实验结果和分析	第42-50页
·质量评价方法	第42-43页
·图像特征提取	第43-45页
·确定参数值	第45-46页
·图像超分辨率重建结果	第46-50页
·本章小结	第50-51页
4 基于Fisher正则化项的字典训练方法	第51-59页
·基于Fisher正则化项的结构化字典训练	第51-54页
·Fisher判别准则	第51-52页
·结构化字典训练模型	第52-54页
·实验结果和分析	第54-57页
·本章小结	第57-59页
5 基于组稀疏表示的自然图像降噪	第59-65页
·含噪模型和噪声特性	第59-60页
·含噪模型	第59页
·噪声特性	第59-60页
·基于稀疏表示进行图像降噪的原理	第60-61页
·实验结果和分析	第61-64页
·本章小结	第64-65页
总结与展望	第65-67页
致谢	第67-68页
参考文献	第68-74页