| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1.1 课题背景及意义 | 第8-9页 |
| §1.2 算法发展历史 | 第9-11页 |
| §1.3 论文的研究工作 | 第11页 |
| §1.4 论文的组织结构 | 第11-13页 |
| 第二章 图像超分辨率的基本理论 | 第13-20页 |
| §2.1 理论基础 | 第13-15页 |
| §2.2 先验知识 | 第15-16页 |
| §2.3 图像的退化模型 | 第16-17页 |
| §2.4 图像质量评价标准 | 第17-19页 |
| ·主观法 | 第17-18页 |
| ·客观法 | 第18-19页 |
| §2.5 本章小结 | 第19-20页 |
| 第三章 图像超分辨率的常用方法 | 第20-31页 |
| §3.1 频域法 | 第20-21页 |
| §3.2 空域法 | 第21-26页 |
| ·插值法 | 第22页 |
| ·正则化法 | 第22-23页 |
| ·最大后验概率法 | 第23-24页 |
| ·凸集投影方法 | 第24-25页 |
| ·混合 MAP-POCS 法 | 第25-26页 |
| §3.3 基于学习的方法 | 第26-30页 |
| ·神经网络模型 | 第26-27页 |
| ·金字塔模型 | 第27-29页 |
| ·马尔科夫网络模型 | 第29页 |
| ·流行学习法 | 第29-30页 |
| §3.5 本章小结 | 第30-31页 |
| 第四章 马尔科夫网络的超分辨率复原 | 第31-46页 |
| §4.1 贝叶斯理论 | 第31-32页 |
| §4.2 马尔科夫网络 | 第32-36页 |
| ·马尔科夫链 | 第32页 |
| ·马尔科夫随机场 | 第32页 |
| ·图像马尔科夫网络模型 | 第32-34页 |
| ·高斯-马尔科夫先验模型 | 第34页 |
| ·胡波-马尔科夫先验模型 | 第34-36页 |
| §4.3 基于马尔科夫网络重建算法的改进 | 第36-37页 |
| ·对参数选取的改进 | 第36-37页 |
| ·算法流程 | 第37页 |
| §4.4 马尔科夫网络在基于学习的算法中的应用与优化 | 第37-45页 |
| ·算法描述 | 第37-41页 |
| ·样本训练 | 第41-42页 |
| ·算法实现与优化 | 第42-45页 |
| §4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| §5.1 工作总结 | 第46页 |
| §5.2 未来展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 作者在攻读硕士学位期间公开发表（录用）的论文和参与的项目 | 第52页 |