| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·研究历史与现状综述 | 第9-13页 |
| ·图像的降质模型 | 第9页 |
| ·图像超分辨率重建算法 | 第9-11页 |
| ·经典的学习模型 | 第11-13页 |
| ·本文工作与结构安排 | 第13-15页 |
| 2 Tetrolet变换及其统计建模分析 | 第15-34页 |
| ·引言 | 第15页 |
| ·Tetrolet变换 | 第15-22页 |
| ·定义与符号 | 第15-17页 |
| ·Tetrolet变换过程 | 第17-20页 |
| ·Tetrolet变换的改进 | 第20-21页 |
| ·Haar小波变换与Tetrolet变换的比较 | 第21-22页 |
| ·Tetrolet系数的统计模型 | 第22-33页 |
| ·统计模型研究的意义 | 第22页 |
| ·Tetrolet系数关系 | 第22-25页 |
| ·边缘概率分布 | 第25-30页 |
| ·联合概率分布 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 3 联合Tetrolet阈值收缩与各向异性全变差正则化的图像去噪算法 | 第34-50页 |
| ·引言 | 第34页 |
| ·图像去噪的Tetrolet域系数阈值收缩算法 | 第34-36页 |
| ·联合Tetrolet阈值收缩和各向异性全变差(ATV)的图像去噪算法 | 第36-40页 |
| ·ATV最小化 | 第36-39页 |
| ·算法描述 | 第39-40页 |
| ·实验结果与分析 | 第40-49页 |
| ·评价标准 | 第40-41页 |
| ·实验结果 | 第41-49页 |
| ·本章小结 | 第49-50页 |
| 4 复合Tetrolet稀疏性与TV模型的图像超分辨率重建算法 | 第50-61页 |
| ·引言 | 第50页 |
| ·基于TV正则化的图像超分辨率重建算法模型 | 第50页 |
| ·联合Tetrolet稀疏性与TV的复合正则化模型及算法 | 第50-53页 |
| ·算法描述 | 第53页 |
| ·实验结果与分析 | 第53-60页 |
| ·评价标准 | 第53-54页 |
| ·实验结果 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 5 联合Tetrolet稀疏正则化预优与样本学习的图像超分辨率重建两阶段算法 | 第61-73页 |
| ·引言 | 第61页 |
| ·联合Tetrolet稀疏正则化预优与样本学习的图像超分辨率两阶段算法 | 第61-65页 |
| ·两阶段算法的基本框架 | 第61-62页 |
| ·基于Tetrolet变换的系数学习过程 | 第62-64页 |
| ·快速Tetrolet系数学习的搜索算法 | 第64-65页 |
| ·算法描述 | 第65-67页 |
| ·实验结果与分析 | 第67-71页 |
| ·评价标准 | 第67页 |
| ·实验结果 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 结论 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间所参与的科研项目 | 第79页 |
