| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·图像超分辨率 | 第10-12页 |
| ·图像超分辨率的概念 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·图像超分辨率模型 | 第12-14页 |
| ·图像退化模型 | 第12-13页 |
| ·超分辨率重建模型 | 第13-14页 |
| ·研究现状 | 第14-19页 |
| ·基于插值的方法 | 第15页 |
| ·基于重建的方法 | 第15-17页 |
| ·基于学习的方法 | 第17-19页 |
| ·图像质量评价 | 第19-20页 |
| ·研究内容和创新点 | 第20-21页 |
| ·论文结构 | 第21-22页 |
| 第二章 稀疏表示理论和方法 | 第22-34页 |
| ·信号的稀疏表示 | 第22-25页 |
| ·稀疏表示模型 | 第23页 |
| ·稀疏表示问题 | 第23-25页 |
| ·冗余字典的设计 | 第25-27页 |
| ·最优方向法 | 第25-26页 |
| ·广义PCA方法 | 第26页 |
| ·K-SVD方法 | 第26-27页 |
| ·稀疏分解方法 | 第27-33页 |
| ·贪婪算法 | 第27-30页 |
| ·松弛优化算法 | 第30-32页 |
| ·贝叶斯方法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于改进K-SVD字典学习方法的图像SR方法 | 第34-58页 |
| ·基于学习字典的SR方法 | 第34-37页 |
| ·基于学习字典的SR方法原理 | 第34-35页 |
| ·基于学习字典的SR方法的框架 | 第35-37页 |
| ·基于K-SVD字典学习方法的SR方法 | 第37-42页 |
| ·K-SVD字典构建 | 第37-41页 |
| ·K-SVD稀疏SR重构 | 第41-42页 |
| ·基于改进K-SVD字典学习方法的SR算法 | 第42-46页 |
| ·基本思想 | 第42-43页 |
| ·基于三次样条的图像插值 | 第43-44页 |
| ·基于IBP方法的图像重建 | 第44-46页 |
| ·基于改进IBP方法的全局优化 | 第46-48页 |
| ·实验结果 | 第48-55页 |
| ·基于改进K-SVD字典学习方法的SR算法评估 | 第48-52页 |
| ·基于改进IBP方法的全局优化评估 | 第52-53页 |
| ·基于综合改进的SR算法评估 | 第53-54页 |
| ·算法比较 | 第54-55页 |
| ·本章小结 | 第55-58页 |
| 第四章 基于改进稀疏分解方法的图像SR方法 | 第58-73页 |
| ·基于IST的图像SR方法 | 第58-66页 |
| ·基本原理 | 第58-59页 |
| ·字典构建 | 第59-61页 |
| ·基于IST的稀疏SR重构 | 第61-66页 |
| ·基于改进IST的图像SR算法 | 第66-69页 |
| ·改进IST方法 | 第66-67页 |
| ·算法描述 | 第67-69页 |
| ·实验结果 | 第69-71页 |
| ·实验参数设置 | 第69-70页 |
| ·实验结果 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻硕期间取得的研究成果 | 第82页 |