| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 图像插值技术 | 第9-10页 |
| 1.2.2 图像去马赛克 | 第10-13页 |
| 1.3 本文的主要工作及组织结构 | 第13-14页 |
| 2 基于结构张量的特征保持图像插值方法 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 经典插值方法 | 第14-18页 |
| 2.3 基于结构张量的特征保持图像插值方法 | 第18-22页 |
| 2.4 实验结果与分析 | 第22-25页 |
| 2.4.1 评价标准 | 第22-23页 |
| 2.4.2 实验结果 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于插值的CFA图像去马赛克算法 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 去马赛克的基本方法的研究 | 第26-35页 |
| 3.2.1 去马赛克的几种简单算法 | 第26-29页 |
| 3.2.2 局部方向插值和非局部自适应阈值去马赛克算法研究 | 第29-35页 |
| 3.3 实验结果与分析 | 第35-37页 |
| 3.3.1 评价标准 | 第35页 |
| 3.3.2 实验结果 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于自适应轮廓模型的图像插值方法 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 基于TV的轮廓模板图像插值原理 | 第38-43页 |
| 4.2.1 构造轮廓模板 | 第38-40页 |
| 4.2.2 基于轮廓模板的图像自适应插值 | 第40-43页 |
| 4.3 轮廓模型改进的原理 | 第43-46页 |
| 4.4 基于改进轮廓模板和稀疏正则化的图像去模糊插值算法 | 第46-52页 |
| 4.4.1 图像去模糊插值算法框架 | 第46页 |
| 4.4.2 模糊核估计阶段 | 第46-48页 |
| 4.4.3 非盲去模糊阶段 | 第48-49页 |
| 4.4.4 图像插值阶段 | 第49-52页 |
| 4.5 实验结果与分析 | 第52-55页 |
| 4.5.1 评价标准 | 第52页 |
| 4.5.2 实验结果 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 基于轮廓模型自适应插值的图像去马赛克方法 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 CFA图像的轮廓模型 | 第56-60页 |
| 5.3 利用轮廓模型实现去马赛克 | 第60-63页 |
| 5.4 实验结果与分析 | 第63-67页 |
| 5.4.1 评价标准 | 第63页 |
| 5.4.2 实验结果 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 基于Web Services的图像自适应轮廓插值与去马赛克测评系统 | 第68-76页 |
| 6.1 引言 | 第68-69页 |
| 6.2 Web Services的体系结构 | 第69页 |
| 6.3 实现界面和处理结果 | 第69-71页 |
| 6.4 算法测试 | 第71-75页 |
| 6.4.1 提高图像分辨率 | 第71-74页 |
| 6.4.2 图像去马赛克 | 第74-75页 |
| 6.5 本章小结 | 第75-76页 |
| 总结与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |
