稀疏表示在单幅图像超分辨率重建中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-16页 |
| 第一章 绪论 | 第16-23页 |
| ·课题的研究背景和研究意义 | 第16-17页 |
| ·相关技术的发展动态与研究进展 | 第17-21页 |
| ·超分辨率图像重建的研究动态 | 第18-20页 |
| ·稀疏表示的研究动态 | 第20-21页 |
| ·本论文的主要研究工作与论文内容的安排 | 第21-23页 |
| ·主要研究工作和创新点 | 第21-22页 |
| ·本论文的内容安排 | 第22-23页 |
| 第二章 基于稀疏表示的图像超分辨率重建理论 | 第23-34页 |
| ·图像超分辨率重建的反问题 | 第23-24页 |
| ·基于插值的图像超分辨率重建 | 第24-27页 |
| ·最近邻插值法和双线性插值法 | 第24页 |
| ·Bicubic插值 | 第24-26页 |
| ·各类插值方法的比较 | 第26-27页 |
| ·基于学习的超分辨率图像重建 | 第27-29页 |
| ·基于稀疏表示的图像超分辨率重建 | 第29-30页 |
| ·稀疏表示理论 | 第29页 |
| ·基于稀疏表示的单幅图像超分辨率重建模型 | 第29-30页 |
| ·图像的稀疏性说明 | 第30-32页 |
| ·图像的质量评价 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 稀疏表示算法和冗余字典的设计 | 第34-48页 |
| ·基于稀疏表示的图像超分辨率重建框架 | 第34页 |
| ·稀疏表示算法 | 第34-36页 |
| ·约束等距性质 | 第36-37页 |
| ·典型稀疏表示算法分析 | 第37-41页 |
| ·正交匹配追踪(OMP) | 第37-38页 |
| ·迭代加权最小平方法(IRLS) | 第38页 |
| ·最小角度回归(LARS) | 第38-41页 |
| ·冗余字典的设计 | 第41-46页 |
| ·MOD算法 | 第42-43页 |
| ·K-SVD算法 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于稀疏表示的单幅图像超分辨率重建 | 第48-63页 |
| ·内点法的基本思想 | 第48-49页 |
| ·使用预处理共轭梯度的内点法 | 第49-52页 |
| ·对偶问题和次优化界限 | 第49-50页 |
| ·内点法的问题转化 | 第50页 |
| ·预处理共轭梯度 | 第50-51页 |
| ·使用预处理共轭梯度的内点法流程 | 第51-52页 |
| ·算法细节说明 | 第52-54页 |
| ·本文使用的色彩空间 | 第52页 |
| ·训练图像库的选取 | 第52-53页 |
| ·输入测试图像说明 | 第53页 |
| ·图像块的划分 | 第53-54页 |
| ·图像特征提取算子R_k | 第54页 |
| ·使用稀疏表示的超分辨率图像重建 | 第54-56页 |
| ·实验结果和分析 | 第56-61页 |
| ·字典训练结果 | 第56-57页 |
| ·超分辨率图像重建横向比较 | 第57-59页 |
| ·超分辨率图像重建纵向比较 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结束语 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 个人简历 | 第70-71页 |
| 作者在攻读硕士学位期间发表、录用的文章 | 第71页 |
| 作者在攻读硕士学位期间参加的科研项目 | 第71页 |
| 作者在攻读硕士学位期间获奖情况 | 第71页 |
