| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 超分辨率重建方法分类及发展现状 | 第10-14页 |
| 1.2.1 基于插值的重建方法及发展现状 | 第11-12页 |
| 1.2.2 基于多巾贞重构的重建方法及发展现状 | 第12-13页 |
| 1.2.3 基于学习的重建方法及发展现状 | 第13-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-17页 |
| 第二章 超分辨率重建方法 | 第17-37页 |
| 2.1 插值的超分辨率重建方法 | 第17-24页 |
| 2.1.1 常用插值超分辨率重建方法 | 第17-20页 |
| 2.1.2 NEDI超分辨率重建方法 | 第20-24页 |
| 2.2 多巾贞重构的超分辨率重建方法 | 第24-28页 |
| 2.2.1 迭代反投影方法 | 第24-25页 |
| 2.2.2 凸集投影方法 | 第25-28页 |
| 2.3 学习的超分辨率重建方法 | 第28-35页 |
| 2.3.1 基于示例的超分辨率重建方法 | 第28-32页 |
| 2.3.2 基于邻域嵌入的超分辨率重建方法 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于稀疏分解的超分辨率重建方法 | 第37-57页 |
| 3.1 稀疏表示模型及其优化求解方法 | 第37-44页 |
| 3.1.1 稀疏表示模型 | 第37-38页 |
| 3.1.2 优化求解方法 | 第38-41页 |
| 3.1.3 字典构造方法 | 第41-44页 |
| 3.2 形态成分分解方法 | 第44-48页 |
| 3.2.1 基于RDWT和WAT的MCA模型 | 第44-46页 |
| 3.2.2 数值求解 | 第46-47页 |
| 3.2.3 分解结果 | 第47-48页 |
| 3.3 两种新的超分辨率重建方法 | 第48-53页 |
| 3.3.1 Self-snake模型与双三次插值相结合的超分辨率重建 | 第48-50页 |
| 3.3.2 C&E模型与双三次插值相结合的超分辨率重建 | 第50-53页 |
| 3.4 重建结果评价方法及实验结果分析 | 第53-55页 |
| 3.4.1 结果评价方法 | 第53-54页 |
| 3.4.2 实验结果分析 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 基于多重稀疏的超分辨率重建方法 | 第57-75页 |
| 4.1 基于稀疏表示的超分辨率重建方法 | 第57-63页 |
| 4.1.1 选取训练图像库 | 第58-59页 |
| 4.1.2 生成训练样本集 | 第59页 |
| 4.1.3 训练字典 | 第59-60页 |
| 4.1.4 低分辨率图像的超分辨率重建 | 第60-63页 |
| 4.2 基于多重稀疏的超分辨率重建方法 | 第63-73页 |
| 4.2.1 稀疏字典模型 | 第63-66页 |
| 4.2.2 多重稀疏的超分辨率重建模型 | 第66-68页 |
| 4.2.3 多重稀疏超分辨率重建数值实现 | 第68-70页 |
| 4.2.4 实验结果与分析 | 第70-73页 |
| 4.3 本章小结 | 第73-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83-85页 |
| 攻读硕士学位期间取得的学术成果 | 第85-87页 |
| 致谢 | 第87页 |