| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文主要研究内容 | 第14-15页 |
| ·论文的组织安排 | 第15-16页 |
| 第2章 图像超分辨率技术理论简介 | 第16-22页 |
| ·图像超分辨率理论基础 | 第16-18页 |
| ·超分辨率重建算法 | 第18-20页 |
| ·基于插值的超分辨率方法 | 第18页 |
| ·基于重建的超分辨方法 | 第18-19页 |
| ·基于学习的超分辨率方法 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第3章 稀疏表示模型 | 第22-31页 |
| ·稀疏表示问题的发展状况 | 第22页 |
| ·稀疏表示问题理论模型 | 第22-24页 |
| ·字典学习 | 第24-28页 |
| ·最大后验概率估计方法 | 第25-26页 |
| ·最佳方向法 | 第26页 |
| ·K-SVD 方法 | 第26-28页 |
| ·稀疏系数求解算法 | 第28-30页 |
| ·匹配追踪算法 | 第28-29页 |
| ·迭代收缩算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 拓扑独立成分分析 | 第31-44页 |
| ·独立成分分析 | 第31-37页 |
| ·独立成分分析模型 | 第31-33页 |
| ·独立成分分析的求解条件 | 第33-34页 |
| ·独立成分分析模型无法确定的因素 | 第34-35页 |
| ·ICA 中的数据预处理 | 第35-36页 |
| ·独立成分分析算法的实现 | 第36-37页 |
| ·拓扑独立成分分析 | 第37-40页 |
| ·拓扑 ICA 模型 | 第38-39页 |
| ·拓扑 ICA 模型的基本特征 | 第39页 |
| ·拓扑 ICA 的求解 | 第39-40页 |
| ·基于 ICA 和拓扑 ICA 的图像表征模型 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于拓扑独立成分分析和稀疏编码的人脸图像超分辨率算法 | 第44-61页 |
| ·基于拓扑 ICA 和稀疏编码的人脸图像超分辨率理论框架 | 第44-47页 |
| ·算法设计 | 第47-50页 |
| ·字典构造阶段 | 第47-48页 |
| ·超分辨率重建 | 第48-50页 |
| ·仿真实验及结果分析 | 第50-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·下一步工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |