基于梯度先验和稀疏表示的图像超分辨率算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17页 |
| 1.5 本章小结 | 第17-19页 |
| 第2章 图像超分辨率理论基础 | 第19-32页 |
| 2.1 图像退化模型 | 第19-20页 |
| 2.2 超分辨率相关重建方法 | 第20-28页 |
| 2.2.1 基于插值的方法 | 第20-25页 |
| 2.2.2 基于重建的方法 | 第25-27页 |
| 2.2.3 基于学习的方法 | 第27-28页 |
| 2.3 图像的评价标准 | 第28-30页 |
| 2.3.1 主观评价方法 | 第29页 |
| 2.3.2 客观评价方法 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 稀疏表示理论概述 | 第32-42页 |
| 3.1 稀疏表示模型 | 第32-35页 |
| 3.2 字典学习方法 | 第35-37页 |
| 3.2.1 MOD方法 | 第35-36页 |
| 3.2.2 K-SVD算法 | 第36-37页 |
| 3.3 稀疏系数的优化算法 | 第37-39页 |
| 3.3.1 贪婪算法 | 第37-38页 |
| 3.3.2 松弛优化算法 | 第38-39页 |
| 3.4 稀疏表示在图像处理中的应用 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于梯度先验的图像超分辨率算法 | 第42-53页 |
| 4.1 图像块梯度先验模型 | 第43-44页 |
| 4.2 基于梯度先验的图像超分辨率算法 | 第44-48页 |
| 4.2.1 字典学习阶段 | 第44-47页 |
| 4.2.2 图像重构阶段 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 研究结论 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间取得的学术成果 | 第60-61页 |
| 致谢 | 第61页 |
