| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像超分辨率的研究现状 | 第11-15页 |
| 1.3 论文的主要内容与章节安排 | 第15-17页 |
| 第二章 相关理论基础 | 第17-29页 |
| 2.1 图像降质模型 | 第17-18页 |
| 2.2 稀疏表示理论 | 第18-23页 |
| 2.2.1 基于超完备字典的稀疏表示理论 | 第18-20页 |
| 2.2.2 超完备字典的构造方法 | 第20-22页 |
| 2.2.3 稀疏分解算法 | 第22-23页 |
| 2.3 基于稀疏表示的超分辨率算法 | 第23-26页 |
| 2.3.1 Yang等人提出的基于稀疏表示的超分辨率算法 | 第24-25页 |
| 2.3.2 改进的基于稀疏表示的超分辨率算法 | 第25-26页 |
| 2.4 图像质量评价 | 第26-28页 |
| 2.4.1 主观质量评价方法 | 第26-27页 |
| 2.4.2 客观质量评价方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 局部自适应人脸图像超分辨率算法 | 第29-48页 |
| 3.1 算法主要思想和总体框架 | 第29-32页 |
| 3.2 算法具体流程 | 第32-37页 |
| 3.2.1 预处理 | 第32-35页 |
| 3.2.2 局部超分辨率重构 | 第35-36页 |
| 3.2.3 全局整合 | 第36-37页 |
| 3.3 参数设置 | 第37-39页 |
| 3.3.1 字典训练集规模 | 第37页 |
| 3.3.2 特征向量相似度阈值 | 第37-38页 |
| 3.3.3 字典匹配阈值 | 第38-39页 |
| 3.4 仿真实验和结果分析 | 第39-47页 |
| 3.4.1 人脸图像实验 | 第40-43页 |
| 3.4.2 普通图像实验 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 全局自适应人脸图像超分辨率算法 | 第48-64页 |
| 4.1 算法主要思想和总体框架 | 第48-49页 |
| 4.2 自适应选取图像训练子集的方法 | 第49-53页 |
| 4.2.1 分类法 | 第49-51页 |
| 4.2.2 聚类法 | 第51-53页 |
| 4.3 仿真实验和结果分析 | 第53-63页 |
| 4.3.1 传统超分辨率算法与本算法的对比实验 | 第55-58页 |
| 4.3.2 本算法与局部自适应算法的对比实验 | 第58-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 人脸图像超分辨率应用软件的实现 | 第64-71页 |
| 5.1 软件设计 | 第64-67页 |
| 5.1.1 编程语言与开发环境 | 第64页 |
| 5.1.2 主要功能与界面设计 | 第64-67页 |
| 5.2 软件具体功能操作与测试 | 第67-70页 |
| 5.2.1 局部自适应超分辨率的具体操作与测试 | 第67-68页 |
| 5.2.2 全局自适应超分辨率的具体操作与测试 | 第68-69页 |
| 5.2.3 客观图像质量评价的具体操作与测试 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 总结 | 第71-73页 |
| 6.1 主要工作与创新点 | 第71-72页 |
| 6.2 后续研究工作 | 第72页 |
| 6.3 本章小结 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78-79页 |
| 附件 | 第79-81页 |