基于字典学习的图像超分辨率重建算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 超分辨重建的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 图像超分辨率重建理论 | 第14-27页 |
| 2.1 图像超分辨率基础理论 | 第14-15页 |
| 2.1.1 图像超分辨率的基本概念 | 第14页 |
| 2.1.2 超分辨率重建的数学模型 | 第14-15页 |
| 2.2 序列图像超分辨率重建技术 | 第15-19页 |
| 2.2.1 凸集投影法 | 第16-17页 |
| 2.2.2 迭代反投影法 | 第17-18页 |
| 2.2.3 最大后验概率法 | 第18-19页 |
| 2.3 单幅图像超分辨率重建技术 | 第19-24页 |
| 2.3.1 基于邻域嵌入的图像超分辨率重建 | 第19-20页 |
| 2.3.2 基于稀疏表示的图像超分辨率重建 | 第20-22页 |
| 2.3.3 基于深度学习的图像超分辨率重建 | 第22-24页 |
| 2.4 图像质量评价算法分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于多字典和线性回归的超分辨率重建 | 第27-42页 |
| 3.1 锚定邻域回归超分辨率重建 | 第27-28页 |
| 3.2 基于多字典和线性回归的超分辨率重建 | 第28-34页 |
| 3.2.1 K-Means聚类算法 | 第29-30页 |
| 3.2.2 多字典学习 | 第30-32页 |
| 3.2.3 邻域搜索策略 | 第32-33页 |
| 3.2.4 快速线性回归图像超分辨率重建 | 第33-34页 |
| 3.3 算法整体流程与细节 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-41页 |
| 3.4.1 实验设置 | 第36-37页 |
| 3.4.2 实验对比 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于低秩理论和字典学习的超分辨率重建 | 第42-56页 |
| 4.1 矩阵低秩稀疏分解理论 | 第42-45页 |
| 4.1.1 矩阵的低秩稀疏分解 | 第42-43页 |
| 4.1.2 低秩矩阵恢复算法 | 第43-45页 |
| 4.2 图像的低秩分解 | 第45-47页 |
| 4.2.1 图像的自相似性 | 第45-46页 |
| 4.2.2 图像的低秩稀疏分解 | 第46-47页 |
| 4.3 基于低秩理论与字典学习的超分辨率重建 | 第47-49页 |
| 4.3.1 图像低秩分解与重建 | 第47-48页 |
| 4.3.2 算法整体流程与细节 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-55页 |
| 4.4.1 实验设置 | 第49-50页 |
| 4.4.2 实验对比 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第63页 |
