| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究进展与现状 | 第16-18页 |
| 1.2.1 基于插值的超分辨率方法 | 第16-17页 |
| 1.2.2 基于重构的超分辨率方法 | 第17页 |
| 1.2.3 基于学习的超分辨率方法 | 第17-18页 |
| 1.3 评价指标 | 第18-19页 |
| 1.4 论文主要工作及章节安排 | 第19-21页 |
| 第二章 传统邻域嵌入超分辨率算法 | 第21-29页 |
| 2.1 超分辨率数学模型 | 第21-22页 |
| 2.2 局部线性嵌入 | 第22-23页 |
| 2.3 邻域嵌入超分辨率算法 | 第23-26页 |
| 2.3.1 算法原理 | 第23-25页 |
| 2.3.2 特征表示 | 第25-26页 |
| 2.4 基于边缘检测及特征提取的邻域嵌入超分辨率算法 | 第26-27页 |
| 2.4.1 组合特征 | 第26-27页 |
| 2.4.2 图像块分类 | 第27页 |
| 2.4.3 训练集扩充 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于预放大非负邻域嵌入超分辨率算法 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 传统邻域嵌入算法不足 | 第29-31页 |
| 3.2.1 邻域关系保持 | 第29-31页 |
| 3.2.2 近邻数K选取 | 第31页 |
| 3.3 基于预放大非负邻域嵌入超分辨率算法 | 第31-33页 |
| 3.3.1 预放大步骤 | 第32页 |
| 3.3.2 非负邻域嵌入算法 | 第32-33页 |
| 3.4 实验结果及分析 | 第33-38页 |
| 3.4.1 实验设计与参数设置 | 第33页 |
| 3.4.2 无噪声实验结果及分析 | 第33-37页 |
| 3.4.3 噪声实验结果及分析 | 第37-38页 |
| 3.5 本章小结 | 第38-41页 |
| 第四章 基于非局部正则化的非负邻域嵌入超分辨率算法 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 相关工作 | 第41-42页 |
| 4.2.1 k-means聚类算法 | 第41-42页 |
| 4.2.2 图像块的自相似性 | 第42页 |
| 4.3 基于非局部正则化的非负邻域嵌入超分辨率算法 | 第42-45页 |
| 4.3.1 聚类与特征表示 | 第43-44页 |
| 4.3.2 非局部正则项 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-49页 |
| 4.4.1 实验设计与参数设置 | 第45页 |
| 4.4.2 无噪声实验结果及分析 | 第45-48页 |
| 4.4.3 噪声实验结果及分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 结论和展望 | 第51-53页 |
| 5.1 研究结论 | 第51-52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59-60页 |
