| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 超分辨率研究现状分析 | 第11-15页 |
| 1.2.2 图像去噪现状分析 | 第15-16页 |
| 1.2.3 过完备稀疏表示现状分析 | 第16-18页 |
| 1.3 本文主要研究内容 | 第18-20页 |
| 1.3.1 研究思路 | 第18页 |
| 1.3.2 主要研究内容与论文结构 | 第18-20页 |
| 第2章 过完备稀疏表示理论基础 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 信号的稀疏表示模型 | 第20-23页 |
| 2.2.1 基于范数的稀疏测度 | 第21-23页 |
| 2.2.2 稀疏解的唯一性 | 第23页 |
| 2.3 稀疏表示问题的优化算法 | 第23-26页 |
| 2.3.1 贪婪算法 | 第24-26页 |
| 2.3.2 凸松弛算法 | 第26页 |
| 2.4 字典学习 | 第26-31页 |
| 2.4.1 最优方向法学习字典 | 第27-28页 |
| 2.4.2 K-SVD算法 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 群结构稀疏和非局域自相似的图像超分辨率重建 | 第32-59页 |
| 3.1 引言 | 第32-33页 |
| 3.2 群结构稀疏表示理论 | 第33-37页 |
| 3.2.1 群正交匹配追踪算法 | 第34-35页 |
| 3.2.2 基于变量分裂的交替方法—ADM | 第35-37页 |
| 3.3 基于群结构稀疏和非局域自相似的图像超分辨率重建算法 | 第37-46页 |
| 3.3.1 群结构稀疏表示的超分辨率模型 | 第37-38页 |
| 3.3.2 字典训练 | 第38-40页 |
| 3.3.3 基于群结构稀疏的图像超分辨重建 | 第40-41页 |
| 3.3.4 非局域自相似 | 第41-42页 |
| 3.3.5 基于群结构稀疏和非局域自相似的图像超分辨重建 | 第42-43页 |
| 3.3.6 基于Transform-invariant群稀疏和非局域自相似超分辨重建 | 第43-46页 |
| 3.4 图像质量评价 | 第46-49页 |
| 3.4.1 主观评价 | 第46页 |
| 3.4.2 客观评价 | 第46-49页 |
| 3.5 实验仿真与分析 | 第49-58页 |
| 3.5.1 基于群结构稀疏和非局域自相似的图像超分辨率重建 | 第49-53页 |
| 3.5.2 基于Transform-invariant群结构稀疏和非局域自相似的图像超分辨率重建 | 第53-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第4章 基于群结构稀疏和非局域自相似的图像去噪 | 第59-68页 |
| 4.1 稀疏表示的图像去噪 | 第59-61页 |
| 4.1.1 图像去噪模型 | 第59-60页 |
| 4.1.2 图像去噪的稀疏表示模型 | 第60页 |
| 4.1.3 图像去噪及K-SVD算法 | 第60-61页 |
| 4.2 群结构稀疏和非局域自相似的图像去噪 | 第61-62页 |
| 4.3 实验仿真与分析 | 第62-67页 |
| 4.4 本章小结与讨论 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 本文的创新点 | 第68-69页 |
| 5.3 进一步工作的方向 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间的研究成果及所获荣誉 | 第75-76页 |
| 致谢 | 第76页 |
