基于支持向量回归机的单幅图像超分辨率重构算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 超分辨率图像重构 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-13页 |
| 第二章 SR图像重构相关理论 | 第13-22页 |
| 2.1 图像降质模型 | 第13页 |
| 2.2 支持向量回归机（SVR） | 第13-16页 |
| 2.3 图像DCT变换 | 第16-17页 |
| 2.4 图像LBP特征 | 第17-18页 |
| 2.5 本文SR图像重构模型 | 第18-19页 |
| 2.6 SR图像重构评价体系 | 第19-22页 |
| 2.6.1 主观视觉评价 | 第19-20页 |
| 2.6.2 客观指标评价 | 第20-22页 |
| 第三章 基于DCT域中学习的单幅SR图像重构算法 | 第22-30页 |
| 3.1 抽取训练向量 | 第23-24页 |
| 3.2 学习过程 | 第24-25页 |
| 3.3 预测过程 | 第25-26页 |
| 3.4 实验结果 | 第26-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 基于空域中学习的单幅SR图像重构算法 | 第30-38页 |
| 4.1 抽取训练向量 | 第30-33页 |
| 4.2 学习过程 | 第33页 |
| 4.3 预测过程 | 第33-35页 |
| 4.4 实验结果 | 第35-36页 |
| 4.5 本章小结 | 第36-38页 |
| 第五章 基于OpenCV的单幅SR图像重构实现 | 第38-45页 |
| 5.1 OpenCV介绍 | 第39-40页 |
| 5.2 Qt软件介绍 | 第40-42页 |
| 5.3 学习过程 | 第42-43页 |
| 5.4 预测过程 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 论文主要研究工作总结 | 第45页 |
| 6.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 发表论文和科研情况说明 | 第51-52页 |
| 致谢 | 第52页 |
