| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-20页 |
| ·研究背景及意义 | 第14-15页 |
| ·图像重建算法的演进及发展趋势 | 第15-17页 |
| ·论文的研究内容及组织结构 | 第17-20页 |
| 第二章 超分辨率技术基本理论及常用方法 | 第20-44页 |
| ·图像退化模型 | 第20-21页 |
| ·基于重建的超分辨率算法 | 第21-25页 |
| ·频域方法 | 第21-22页 |
| ·空域方法 | 第22-25页 |
| ·基于学习的超分辨率重建算法 | 第25-27页 |
| ·稀疏表示的图像超分辨率重建基本理论 | 第27-31页 |
| ·信号的稀疏表示 | 第27-29页 |
| ·图像降质的稀疏表示的可行性分析 | 第29-31页 |
| ·特征提取算法 | 第31-37页 |
| ·索贝尔算法 | 第32-33页 |
| ·普利维特算法 | 第33-34页 |
| ·罗伯茨算法 | 第34页 |
| ·拉普拉斯滤波算法 | 第34-36页 |
| ·高斯拉普拉斯联合滤波算法 | 第36-37页 |
| ·过完备字典训练算法 | 第37-40页 |
| ·K-SVD字典训练算法 | 第38页 |
| ·MOD字典训练算法 | 第38-39页 |
| ·在线字典学习算法 | 第39-40页 |
| ·图像质量的评价标准 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 稀疏表示的图像超分辨率重建 | 第44-54页 |
| ·样本训练过程 | 第44-45页 |
| ·稀疏表示的图像超分辨率重建算法整体流程 | 第45-47页 |
| ·实验结果及分析 | 第47-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 稀疏表示的图像超分辨率重建算法的改进 | 第54-70页 |
| ·特征提取方法的改进及仿真结果 | 第54-56页 |
| ·重建算法初始估计的改进及仿真结果 | 第56-58页 |
| ·搜索窗的改进及仿真结果 | 第58-60页 |
| ·迭代反投影算法的改进及仿真结果 | 第60-62页 |
| ·整体仿真结果及评价 | 第62-68页 |
| ·图像重建结果 | 第62-65页 |
| ·特征提取过程对改进算法重建结果的影响 | 第65-66页 |
| ·目标放大倍数对改进算法重建结果的影响 | 第66-67页 |
| ·超完备字典尺寸对改进算法重建结果的影响 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 超分辨率重建技术在车牌图像重建中的应用研究 | 第70-74页 |
| ·算法处理流程 | 第70-71页 |
| ·图像重建结果及分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·本文总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 附录 | 第82-86页 |
| 附录 1 15幅标准测试图像 | 第82-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间已发表和录用的学术论文 | 第88页 |