| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·多幅图像超分辨率方法 | 第11-14页 |
| ·单幅图像超分辨率方法 | 第14-16页 |
| ·论文研究内容 | 第16-17页 |
| ·论文结构安排 | 第17-19页 |
| 第2章 抑制边缘 Halo 效应的 POCS 方法 | 第19-41页 |
| ·POCS 算法原理 | 第19-23页 |
| ·LR 图像序列的获取 | 第19-20页 |
| ·凸集与投影描述 | 第20-22页 |
| ·POCS 重建实现 | 第22-23页 |
| ·抑制边缘 Halo 效应的 POCS 方法 | 第23-33页 |
| ·构造 HR 初始估计值 | 第23-26页 |
| ·运动估计与图像配准 | 第26-29页 |
| ·迭代投影修正重建 | 第29-32页 |
| ·IH-POCS 方法的实现 | 第32-33页 |
| ·实验结果与分析 | 第33-39页 |
| ·本章小结 | 第39-41页 |
| 第3章 基于噪声估计的自适应正则化方法 | 第41-57页 |
| ·正则化超分辨率重建模型 | 第41-44页 |
| ·正则化约束 | 第41-42页 |
| ·Tikhonov 正则化方法 | 第42-43页 |
| ·全变分正则化方法 | 第43-44页 |
| ·基于噪声估计的自适应 L1-TV 正则化方法 | 第44-48页 |
| ·噪声估计与自适应正则化参数 | 第44-46页 |
| ·基于噪声估计的 L1 范数 TV 方法 | 第46-47页 |
| ·NEA-L1-TV 方法的实现 | 第47-48页 |
| ·实验结果与分析 | 第48-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 压缩感知框架下基于稀疏度自适应的 SP 方法 | 第57-69页 |
| ·基于压缩感知的超分辨率模型 | 第57-61页 |
| ·稀疏表示 | 第58-59页 |
| ·随机投影与观测矩阵 | 第59-60页 |
| ·重建算法 | 第60-61页 |
| ·基于稀疏度自适应的 SP 方法 | 第61-64页 |
| ·稀疏表示与观测投影 | 第61-63页 |
| ·SASP 重建方法的实现 | 第63-64页 |
| ·实验结果与分析 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |