| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-27页 |
| 1.1 图像超分辨率研究背景及意义 | 第10-11页 |
| 1.2 观测模型 | 第11-14页 |
| 1.3 图像超分辨率主要算法 | 第14-22页 |
| 1.4 图像重建质量的评价方法 | 第22-24页 |
| 1.5 论文的内容安排 | 第24-27页 |
| 2 变分贝叶斯图像超分辨率 | 第27-39页 |
| 2.1 引言 | 第27-28页 |
| 2.2 贝叶斯推理 | 第28-29页 |
| 2.3 变分贝叶斯推断 | 第29-34页 |
| 2.4 图像先验模型 | 第34-38页 |
| 2.5 小结 | 第38-39页 |
| 3 基于图像描述的车牌图像超分辨率 | 第39-62页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于灰度分布先验的高斯模型 | 第40-42页 |
| 3.3 基于图像描述的变分贝叶斯超分辨率 | 第42-49页 |
| 3.4 有效性分析 | 第49-51页 |
| 3.5 实验结果及分析 | 第51-61页 |
| 3.6 小结 | 第61-62页 |
| 4 基于边缘保护模型的条形码图像自适应超分辨率 | 第62-91页 |
| 4.1 引言 | 第62-64页 |
| 4.2 基于DA函数的边缘保护模型 | 第64-65页 |
| 4.3 基于EP模型的变分贝叶斯超分辨率 | 第65-75页 |
| 4.4 有效性分析 | 第75-77页 |
| 4.5 实验结果及分析 | 第77-90页 |
| 4.6 小结 | 第90-91页 |
| 5 基于AHQ模型的自然图像自适应超分辨率 | 第91-119页 |
| 5.1 引言 | 第91-94页 |
| 5.2 基于自适应半二次函数的AHQ模型 | 第94-97页 |
| 5.3 基于AHQ模型的变分贝叶斯超分辨率 | 第97-105页 |
| 5.4 实验结果及分析 | 第105-118页 |
| 5.5 小结 | 第118-119页 |
| 6 基于混合模型的强噪声自然图像自适应超分辨率 | 第119-146页 |
| 6.1 引言 | 第119-120页 |
| 6.2 基于AHQ和Tikhonov的耦合模型 | 第120-123页 |
| 6.3 基于AHQ&Tikhonov模型的变分贝叶斯超分辨率 | 第123-127页 |
| 6.4 有效性分析 | 第127-129页 |
| 6.5 实验结果及其分析 | 第129-145页 |
| 6.6 小结 | 第145-146页 |
| 7 总结与展望 | 第146-149页 |
| 7.1 论文总结 | 第146-147页 |
| 7.2 工作展望 | 第147-149页 |
| 致谢 | 第149-150页 |
| 参考文献 | 第150-166页 |
| 附录1 攻读博士学位期间发表的主要论文 | 第166-167页 |
| 附录2 博士生期间参与的课题研究情况 | 第167页 |