| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 超分辨率重建的国内外研究现状 | 第12-13页 |
| 1.3 论文主要的研究工作以及章节安排 | 第13-16页 |
| 1.3.1 论文的主要研究工作 | 第13-14页 |
| 1.3.2 论文的章节安排 | 第14-16页 |
| 2 超分辨率重建的研究基础 | 第16-32页 |
| 2.1 超分辨率重建的概论 | 第16页 |
| 2.2 超分辨率重建模型 | 第16-18页 |
| 2.3 超分辨率重建的相关算法 | 第18-29页 |
| 2.3.1 超分辨率重建算法的分类 | 第18页 |
| 2.3.2 基于多幅图像的超分辨率重建算法 | 第18-23页 |
| 2.3.3 基于单幅图像的超分辨率重建算法 | 第23-29页 |
| 2.3.3.1 基于插值的超分辨重建算法 | 第24-26页 |
| 2.3.3.2 基于学习的超分辨重建算法 | 第26-29页 |
| 2.3.3.3 两类方法的比较 | 第29页 |
| 2.4 图像的评价方法 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 图像稀疏表示与字典学习理论基础 | 第32-42页 |
| 3.1 稀疏表示的概论 | 第32-33页 |
| 3.2 稀疏表示的优化算法 | 第33-38页 |
| 3.2.1 基追踪(BP)算法 | 第34-35页 |
| 3.2.2 匹配追踪(MP)算法 | 第35-36页 |
| 3.2.3 正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法 | 第36-38页 |
| 3.2.3.1 OMP算法的理论描述 | 第36-38页 |
| 3.2.3.2 OMP算法的收敛性证明 | 第38页 |
| 3.2.3.3 OMP算法的算法步骤 | 第38页 |
| 3.3 冗余字典的训练 | 第38-41页 |
| 3.3.1 最佳方向法(MOD) | 第38-39页 |
| 3.3.2 最大似然法(Maximum Likelihood Methods) | 第39页 |
| 3.3.3 奇异值分解法(K-SVD) | 第39-41页 |
| 3.3.3.1 奇异值分解的理论描述 | 第39-41页 |
| 3.3.3.2 奇异值分解的字典训练算法 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于非线性稀疏字典学习的单幅图像超分辨算法 | 第42-48页 |
| 4.1 引言 | 第42页 |
| 4.2 基于稀疏表示的图像超分辨算法原理 | 第42-47页 |
| 4.2.1 预处理得到样本集 | 第42页 |
| 4.2.2 稀疏字典学习 | 第42-45页 |
| 4.2.2.1 学习得到稀疏低分辨字典 | 第43-44页 |
| 4.2.2.2 学习得到稀疏高分辨字典 | 第44-45页 |
| 4.2.3 重建高分辨图像 | 第45-47页 |
| 4.2.3.1 求解稀疏表示系数 | 第45-47页 |
| 4.2.3.2 重建高分辨图像 | 第47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 单幅图像超分辨算法的步骤和分析 | 第48-50页 |
| 5.1 算法步骤 | 第48-49页 |
| 5.2 计算复杂度分析 | 第49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 仿真实验及结论分析 | 第50-54页 |
| 6.1 实验简述及仿真环境 | 第50页 |
| 6.2 仿真结果及分析 | 第50-53页 |
| 6.2.1 算法重建效果比较 | 第51页 |
| 6.2.2 样本数对算法性能的影响 | 第51-52页 |
| 6.2.3 噪声对算法性能的影响 | 第52页 |
| 6.2.4 基字典原子个数对算法性能的影响 | 第52-53页 |
| 6.3 本章小结 | 第53-54页 |
| 7 总结与展望 | 第54-55页 |
| 7.1 工作总结 | 第54页 |
| 7.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 个人简历 | 第61-62页 |
| 在学期间发表论文情况 | 第62-63页 |
| 致谢 | 第63页 |