| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 超分辨率重建的国内外发展现状 | 第11-16页 |
| 1.2.1 基于插值的图像超分辨率重建 | 第12-13页 |
| 1.2.2 基于重构的图像超分辨率重建 | 第13-14页 |
| 1.2.3 基于学习的图像超分辨率重建 | 第14-16页 |
| 1.3 论文研究内容与组织结构 | 第16-19页 |
| 1.3.1 论文的主要工作 | 第16-17页 |
| 1.3.2 论文的组织结构 | 第17-19页 |
| 第二章 基于稀疏表示的超分辨率重建方法 | 第19-33页 |
| 2.1 图像退化的数学模型 | 第19-21页 |
| 2.2 压缩感知基本理论 | 第21-23页 |
| 2.3 图像的稀疏表示模型 | 第23-25页 |
| 2.4 基于稀疏表示的超分辨率重建方法 | 第25-30页 |
| 2.4.1 字典学习 | 第25-29页 |
| 2.4.2 稀疏表示与超分辨率重建 | 第29-30页 |
| 2.5 单帧图像超分辨率重建效果的质量评价方法 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于改进双字典学习的医学图像超分辨率重建 | 第33-44页 |
| 3.1 基于稀疏表示的医学图像超分辨率重建 | 第33-38页 |
| 3.1.1 字典的训练过程 | 第33-37页 |
| 3.1.2 超分辨率重建过程 | 第37-38页 |
| 3.2 实验结果与分析 | 第38-43页 |
| 3.2.1 实验参数配置 | 第38-40页 |
| 3.2.2 实验结果对比 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于改进邻域嵌入和双字典学习的超分辨率重建 | 第44-65页 |
| 4.1 基于邻域嵌入的初始估计算法 | 第44-48页 |
| 4.1.1 邻域嵌入算法 | 第45-46页 |
| 4.1.2 非局部相似性加权 | 第46-48页 |
| 4.2 基于双字典学习的图像超分辨率重建 | 第48-51页 |
| 4.2.1 图像金字塔 | 第48-50页 |
| 4.2.2 基于双字典的超分辨率重建模型 | 第50页 |
| 4.2.3 非局部自回归模型 | 第50-51页 |
| 4.3 目标函数的优化求解 | 第51-53页 |
| 4.4 实验与分析 | 第53-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 5.1 本文工作总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 缩略语表 | 第74-75页 |
| 致谢 | 第75-76页 |