首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏字典学习的图像超分辨率研究

中文摘要第5-7页
Abstract第7-8页
第一章 绪论第9-19页
    1.1 论文的研究背景及意义第9-10页
    1.2 国内外超分辨率重建研究现状第10-12页
    1.3 超分辨率重建算法的应用及发展趋势第12-13页
    1.4 超分辨率重建算法主要评价标准第13-16页
        1.4.1 主观方面评价标准第14-15页
        1.4.2 客观方面评价标准第15-16页
    1.5 本文的组织框架第16-19页
第二章 图像的超分辨率重建算法第19-31页
    2.1 图像超分辨率第19-21页
    2.2 基于插值的超分辨率重建算法第21-23页
    2.3 基于重建的超分辨率算法第23-25页
    2.4 基于学习的超分辨率重建算法第25-29页
    2.5 本章小结第29-31页
第三章 基于稀疏字典学习的图像超分辨率研究第31-49页
    3.1 改进正则化参数约束对稀疏表示的影响第31-34页
    3.2 训练样本的处理第34-38页
        3.2.1 训练样本的特征提取第34-36页
        3.2.2 高维数据PCA方法降维第36-38页
    3.3 字典训练阶段第38-40页
    3.4 图像重建阶段第40-43页
    3.5 非局部自相似性后处理第43-48页
        3.5.1 非局部自相似性原理第43-45页
        3.5.2 非局部自相似性后处理第45-48页
    3.6 本章小结第48-49页
第四章 实验结果及分析第49-63页
    4.1 图像块的影响第49-53页
        4.1.1 图像块大小的影响第49-50页
        4.1.2 图像块数目的影响第50页
        4.1.3 图像块重叠像素个数的影响第50-53页
    4.2 改进特征提取方法的影响第53-54页
    4.3 字典大小的影响第54-55页
    4.4 噪声的影响第55-59页
    4.5 不同算法之间对比实验第59-61页
    4.6 本章小结第61-63页
第五章 总结与展望第63-65页
参考文献第65-71页
攻读研究生学位期间发表的论文第71-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:基于优化的启发式算法进行排课的研究
下一篇:基于集成学习的膜蛋白金属离子结合位点预测