| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 符号表 | 第12-14页 |
| 1 绪论 | 第14-34页 |
| 1.1 引言 | 第14页 |
| 1.2 问题的提出与研究意义 | 第14-16页 |
| 1.2.1 时域超分辨 | 第14-15页 |
| 1.2.2 空域超分辨 | 第15-16页 |
| 1.3 时域超分辨方法 | 第16-22页 |
| 1.3.1 帧重复 | 第17-18页 |
| 1.3.2 帧平均 | 第18页 |
| 1.3.3 基于ME/MC的时间域超分辨算法 | 第18-20页 |
| 1.3.4 基于Morphing的时间域超分辨算法 | 第20-21页 |
| 1.3.5 基于光流的时间域超分辨算法 | 第21-22页 |
| 1.4 空域超分辨方法 | 第22-28页 |
| 1.4.1 观测模型 | 第23-24页 |
| 1.4.2 频域重建方法 | 第24-25页 |
| 1.4.3 非均匀插值法 | 第25-26页 |
| 1.4.4 迭代反投影法 | 第26-27页 |
| 1.4.5 凸集投影法 | 第27页 |
| 1.4.6 正则化法 | 第27-28页 |
| 1.4.7 后验概率最大法 | 第28页 |
| 1.5 图像质量评价标准 | 第28-31页 |
| 1.5.1 主观评价标准 | 第28-29页 |
| 1.5.2 客观评价标准 | 第29-31页 |
| 1.6 论文主要创新点及结构安排 | 第31-34页 |
| 2 Bandelet变换的基本理论 | 第34-48页 |
| 2.1 引言 | 第34页 |
| 2.2 第一代Bandelet变换 | 第34-40页 |
| 2.2.1 几何流 | 第34-36页 |
| 2.2.2 Bandelet基 | 第36-38页 |
| 2.2.3 Bandelet框架 | 第38-39页 |
| 2.2.4 Bandelet逼近 | 第39-40页 |
| 2.3 第二代Bandelet变换 | 第40-46页 |
| 2.3.1 理论基础 | 第41-42页 |
| 2.3.2 Bandelet变换步骤 | 第42页 |
| 2.3.3 四叉树结构的建立 | 第42-45页 |
| 2.3.4 四叉树的优化 | 第45-46页 |
| 2.4 本章小结 | 第46-48页 |
| 3 基于置信度的运动估计与补偿时域超分辨方法 | 第48-66页 |
| 3.1 引言 | 第48-50页 |
| 3.2 块匹配的运动估计 | 第50-56页 |
| 3.2.1 匹配准则 | 第51-52页 |
| 3.2.2 搜索算法 | 第52-56页 |
| 3.3 基于置信度的运动估计 | 第56-59页 |
| 3.3.1 静止检测 | 第56页 |
| 3.3.2 优先置信度计算 | 第56-57页 |
| 3.3.3 运动矢量递归 | 第57-58页 |
| 3.3.4 基于匹配置信度的局部全搜索 | 第58-59页 |
| 3.4 基于分区的均值OBMC运动补偿 | 第59-62页 |
| 3.4.1 高低相关区域划分 | 第60页 |
| 3.4.2 均值补偿 | 第60-61页 |
| 3.4.3 双向OBMC补偿 | 第61-62页 |
| 3.5 实验结果与对比分析 | 第62-64页 |
| 3.6 本章小结 | 第64-66页 |
| 4 基于相似性检测的Bandelet时域超分辨方法 | 第66-78页 |
| 4.1 引言 | 第66页 |
| 4.2 图像相似性度量方法 | 第66-68页 |
| 4.2.1 Hausdorff距离方法 | 第67页 |
| 4.2.2 直方图相交距离法 | 第67-68页 |
| 4.2.3 SSIM评价法 | 第68页 |
| 4.3 基于Bandelet的相似性检测 | 第68-72页 |
| 4.3.1 图像的几何流特征 | 第68-69页 |
| 4.3.2 基于Bandelet相似性检测和人眼视觉特性的判断准则 | 第69-72页 |
| 4.4 实验流程与结果 | 第72-77页 |
| 4.4.1 自适应分块与固定分块的选择 | 第72-73页 |
| 4.4.2 实验流程 | 第73-74页 |
| 4.4.3 仿真结果 | 第74-77页 |
| 4.5 本章小结 | 第77-78页 |
| 5 基于Bandelet的单帧图像超分辨重建方法 | 第78-92页 |
| 5.1 引言 | 第78-79页 |
| 5.2 边缘保护插值算法 | 第79-84页 |
| 5.2.1 边缘指导插值算法 | 第80-81页 |
| 5.2.2 边缘自适应插值算法 | 第81-83页 |
| 5.2.3 基于小波变换的图像边缘插值 | 第83-84页 |
| 5.3 基于Bandelet的边缘自适应超分辨算法 | 第84-87页 |
| 5.4 实验结果与分析 | 第87-90页 |
| 5.5 小结 | 第90-92页 |
| 6 基于全变分和Bandelet变换的序列图像超分辨重建与增强 | 第92-110页 |
| 6.1 引言 | 第92-93页 |
| 6.2 超分辨重建的处理流程 | 第93-95页 |
| 6.2.1 图像配准 | 第94页 |
| 6.2.2 图像重建 | 第94-95页 |
| 6.3 超分辨率重建的两个问题 | 第95-96页 |
| 6.3.1 反问题 | 第95页 |
| 6.3.2 病态性 | 第95-96页 |
| 6.4 全变分法视频图像超分辨重建 | 第96-98页 |
| 6.4.1 重建的目标函数 | 第96页 |
| 6.4.2 全变分最小化的重建模型及流程 | 第96-98页 |
| 6.5 基于Stein阈值的Bandelet图像去噪 | 第98-105页 |
| 6.5.1 阈值函数的选取 | 第99-101页 |
| 6.5.2 阈值的确定 | 第101-102页 |
| 6.5.3 基于Stein阈值的Bandelet图像去噪 | 第102-104页 |
| 6.5.4 算法步骤 | 第104-105页 |
| 6.6 实验与分析 | 第105-108页 |
| 6.7 小结 | 第108-110页 |
| 7 结论与展望 | 第110-112页 |
| 7.1 本文的主要研究工作总结 | 第110-111页 |
| 7.2 下一步的工作重点 | 第111-112页 |
| 致谢 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 附录 | 第124-125页 |
| A 作者攻读期间参与的相关科研项目： | 第124页 |
| B 作者攻读期间取得的相关科研成果： | 第124页 |
| C 作者攻读期间发表的相关科研论文： | 第124-125页 |
