基于稀疏表示的图像超分辨率重建研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 图像超分辨率重建研究现状 | 第9-12页 |
| 1.2.1 基于插值的方法 | 第9页 |
| 1.2.2 基于多帧重建的方法 | 第9-11页 |
| 1.2.3 基于学习的方法 | 第11-12页 |
| 1.3 论文的主要内容及结构安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 稀疏表示理论概述 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 信号稀疏表示模型 | 第14-16页 |
| 2.3 稀疏表示字典构建理论 | 第16-19页 |
| 2.4 稀疏表示算法 | 第19-20页 |
| 2.5 稀疏表示在图像处理中的应用 | 第20-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 基于 MCA 和字典学习的图像超分辨率重建 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 基本思想 | 第24-25页 |
| 3.3 MCA 图像分解理论 | 第25-27页 |
| 3.4 图像超分辨率重建算法 | 第27-30页 |
| 3.4.1 高、低分辨率字典对的构建 | 第27-29页 |
| 3.4.2 低分辨率图像稀疏重建 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于自相似性和双稀疏字典的图像超分辨率重建 | 第31-39页 |
| 4.1 引言 | 第31页 |
| 4.2 基本思想 | 第31-32页 |
| 4.3 相关理论概述 | 第32-35页 |
| 4.3.1 图像自相似性理论 | 第32-33页 |
| 4.3.2 双稀疏字典理论 | 第33-35页 |
| 4.4 图像超分辨率重建算法 | 第35-38页 |
| 4.4.1 利用自相似性形成图像金字塔 | 第35-36页 |
| 4.4.2 低分辨率图像稀疏重建 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 实验结果与分析 | 第39-51页 |
| 5.1 引言 | 第39页 |
| 5.2 实验说明 | 第39-41页 |
| 5.3 图像重建质量比较 | 第41-45页 |
| 5.4 含噪声图像超分辨率重建 | 第45-48页 |
| 5.5 放大倍数对重建图像质量的影响 | 第48-50页 |
| 5.6 本章小结 | 第50-51页 |
| 6 总结和展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
