| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-13页 |
| 1.2.1 压缩感知研究现状 | 第10-12页 |
| 1.2.2 超分辨率重构研究现状 | 第12-13页 |
| 1.3 重构图像质量评估 | 第13-15页 |
| 1.4 主要研究内容 | 第15页 |
| 1.5 本文结构 | 第15-17页 |
| 第二章 稀疏表示模型及压缩感知理论 | 第17-25页 |
| 2.1 基于压缩感知的信号处理 | 第17-18页 |
| 2.2 稀疏表示 | 第18-20页 |
| 2.2.1 范数与信号稀疏度表示 | 第18-19页 |
| 2.2.2 图像稀疏性举例 | 第19-20页 |
| 2.3 观测矩阵设计准则 | 第20-22页 |
| 2.4 信号的重构算法 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于联合训练方法的单帧图像超分辨率重构 | 第25-59页 |
| 3.1 图像的退化模型 | 第25-26页 |
| 3.2 压缩感知应用于超分辨重构的可行性分析 | 第26-29页 |
| 3.3 匹配追踪及其优化算法 | 第29-37页 |
| 3.3.1 OMP | 第29-30页 |
| 3.3.2 ROMP | 第30-31页 |
| 3.3.3 CoSaMP | 第31-32页 |
| 3.3.4 算法性能测试与分析 | 第32-37页 |
| 3.4 基于过完备字典和观测矩阵联合训练的超分辨率重构 | 第37-56页 |
| 3.4.1 过完备字典基本概念 | 第38-39页 |
| 3.4.2 字典学习算法 | 第39-43页 |
| 3.4.2.1 MOD | 第39-40页 |
| 3.4.2.2 K-SVD | 第40-43页 |
| 3.4.3 观测矩阵联合优化方法 | 第43-47页 |
| 3.4.4 实验对比与分析 | 第47-56页 |
| 3.5 本章小结 | 第56-59页 |
| 第四章 基于分布式压缩感知的多帧图像超分辨率重构 | 第59-73页 |
| 4.1 多帧超分辨率系统建模 | 第59-60页 |
| 4.2 JSM模型 | 第60-62页 |
| 4.3 基于DCS的多帧超分辨率重构系统 | 第62-66页 |
| 4.3.1 DCS压缩 | 第63-64页 |
| 4.3.2 运动补偿及差分提取 | 第64-65页 |
| 4.3.3 图像序列恢复及图像重构 | 第65-66页 |
| 4.4 系统性能测试及分析 | 第66-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文总结 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |