基于特征聚类与协同表示的超分辨率重建方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题的研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文的主要研究内容和组织结构 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 论文组织结构 | 第19-20页 |
| 第二章 图像超分辨率重建算法综述 | 第20-34页 |
| 2.1 图像成像理论 | 第20页 |
| 2.2 图像退化模型 | 第20-21页 |
| 2.3 超分辨率重建算法分类 | 第21-31页 |
| 2.3.1 基于插值的方法 | 第22-25页 |
| 2.3.2 基于重建的方法 | 第25-27页 |
| 2.3.3 基于学习的方法 | 第27-31页 |
| 2.4 超分辨率重建图像质量评价指标 | 第31-33页 |
| 2.4.1 主观质量评价 | 第31页 |
| 2.4.2 客观质量评价 | 第31-33页 |
| 2.5 本章总结 | 第33-34页 |
| 第三章 基于稀疏表示的超分辨率重建 | 第34-42页 |
| 3.1 压缩感知原理 | 第34页 |
| 3.2 稀疏表示的约束条件 | 第34-35页 |
| 3.3 系数重构算法 | 第35-38页 |
| 3.3.1 贪婪追踪算法 | 第35-38页 |
| 3.3.2 松弛优化算法 | 第38页 |
| 3.4 字典学习方法 | 第38-41页 |
| 3.4.1 MOD算法 | 第38-39页 |
| 3.4.2 K-SVD算法 | 第39-41页 |
| 3.5 本章总结 | 第41-42页 |
| 第四章 基于特征聚类的超分辨率重建 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 训练样本库的选择 | 第42页 |
| 4.3 训练集图像的特征提取 | 第42-44页 |
| 4.3.1 特征提取概述 | 第42-43页 |
| 4.3.2 基于梯度的特征提取方法 | 第43-44页 |
| 4.4 PCA降维 | 第44-46页 |
| 4.5 多类别字典学习 | 第46-47页 |
| 4.5.1 单个字典训练 | 第46页 |
| 4.5.2 联合字典训练 | 第46-47页 |
| 4.6 图像重建过程 | 第47页 |
| 4.7 实验 | 第47-52页 |
| 4.7.1 图像重建质量 | 第48-50页 |
| 4.7.2 图像重建视觉效果 | 第50-51页 |
| 4.7.3 聚类个数的影响 | 第51-52页 |
| 4.8 本章总结 | 第52-53页 |
| 第五章 基于协同表示的超分辨率重建 | 第53-66页 |
| 5.1 引言 | 第53页 |
| 5.2 协同表示 | 第53-54页 |
| 5.3 特征提取 | 第54-55页 |
| 5.4 聚类字典学习 | 第55-56页 |
| 5.5 计算字典原子映射矩阵 | 第56-57页 |
| 5.6 迭代反投影 | 第57-58页 |
| 5.7 实验 | 第58-65页 |
| 5.7.1 图像重建质量 | 第58-62页 |
| 5.7.2 聚类个数的影响 | 第62-63页 |
| 5.7.3 字典大小的影响 | 第63-64页 |
| 5.7.4 最近邻个数的影响 | 第64页 |
| 5.7.5 时间复杂度分析 | 第64-65页 |
| 5.8 本章总结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
| 1) 参加的学术交流与科研项目 | 第73页 |
| 2) 发表的学术论文 | 第73-74页 |
