| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 超分辨率的概念 | 第11页 |
| 1.2.2 国内外研究情况 | 第11-12页 |
| 1.3 超分辨率重建技术分类 | 第12-14页 |
| 1.4 超分辨率技术的应用 | 第14-15页 |
| 1.5 本文的主要工作 | 第15-16页 |
| 1.6 论文的组织结构 | 第16-17页 |
| 第二章 超分辨重建技术 | 第17-33页 |
| 2.1 超分辨率发展 | 第17-18页 |
| 2.2 超分辨重建的理论基础 | 第18-20页 |
| 2.2.1 解析延拓理论 | 第18-19页 |
| 2.2.2 信息叠加理论 | 第19页 |
| 2.2.3 非线性操作 | 第19-20页 |
| 2.3 图像降质模型 | 第20-21页 |
| 2.4 常见算法介绍 | 第21-31页 |
| 2.4.1 基于插值的方法 | 第22-25页 |
| 2.4.2 基于重建的方法 | 第25-29页 |
| 2.4.3 基于学习的方法 | 第29-31页 |
| 2.5 本文的算法选择 | 第31-32页 |
| 2.6 本章小节 | 第32-33页 |
| 第三章 算法相关理论基础 | 第33-50页 |
| 3.1 流形学习算法 | 第33-39页 |
| 3.1.1 基本概念 | 第33-35页 |
| 3.1.2 流形学习 | 第35-36页 |
| 3.1.3 流形学习相关算法 | 第36-38页 |
| 3.1.4 算法选择 | 第38-39页 |
| 3.2 图像的自相似性 | 第39-43页 |
| 3.3 彩色图像处理 | 第43-46页 |
| 3.3.1 常见的色彩模型 | 第43-45页 |
| 3.3.2 彩色图像的处理 | 第45-46页 |
| 3.4 评价标准 | 第46-48页 |
| 3.4.1 均方误差、归一化均方误差和均方根误差 | 第46-47页 |
| 3.4.2 峰值信噪比 | 第47-48页 |
| 3.5 本章小节 | 第48-50页 |
| 第四章 基于LLE的单帧图像SR重建算法原理及设计 | 第50-58页 |
| 4.1 算法原理 | 第50-51页 |
| 4.2 改进的特征量 | 第51-52页 |
| 4.3 单帧图像学习库的构建 | 第52-54页 |
| 4.4 基于LLE的单帧图像SR重建算法设计 | 第54-56页 |
| 4.5 算法具体流程 | 第56-57页 |
| 4.6 本章小节 | 第57-58页 |
| 第五章 实验系统设计及结果分析 | 第58-71页 |
| 5.1 实验系统设计与实现 | 第58-62页 |
| 5.1.1 平台配置 | 第58-59页 |
| 5.1.2 界面设计及操作流程 | 第59-61页 |
| 5.1.3 部分核心代码 | 第61-62页 |
| 5.2 实验结果 | 第62-68页 |
| 5.2.1 参数设计 | 第62页 |
| 5.2.2 实验结果 | 第62-68页 |
| 5.3 实验分析和对比 | 第68-70页 |
| 5.4 本章小节 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士期间发表论文及研究成果 | 第78-79页 |
| 附录 | 第79-83页 |