| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 图像超分辨率重建算法分类 | 第13-21页 |
| 1.3.1 基于插值的图像超分辨率重建算法 | 第13-16页 |
| 1.3.2 基于多帧重构的图像超分辨率重建算法 | 第16-19页 |
| 1.3.3 基于学习的图像超分辨率重建算法 | 第19-21页 |
| 1.4 本论文的主要工作及章节安排 | 第21-23页 |
| 第2章 图像稀疏重建相关理论 | 第23-35页 |
| 2.1 图像降质模型 | 第23-24页 |
| 2.2 信号的稀疏表示 | 第24-27页 |
| 2.3 过完备字典学习 | 第27-29页 |
| 2.3.1 最优方向法 | 第27-28页 |
| 2.3.2 广义PCA算法 | 第28页 |
| 2.3.3 K-SVD算法 | 第28-29页 |
| 2.4 信号的稀疏分解 | 第29-32页 |
| 2.4.1 基追踪算法 | 第30页 |
| 2.4.2 匹配追踪算法 | 第30-31页 |
| 2.4.3 正交匹配追踪算法 | 第31-32页 |
| 2.5 图像质量评价标准 | 第32-34页 |
| 2.5.1 主观评价方式 | 第32页 |
| 2.5.2 客观评价方式 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于高频信息字典的人脸超分辨率重建 | 第35-61页 |
| 3.1 基于稀疏表示的人脸幻生算法 | 第35-36页 |
| 3.2 基于高频信息字典的人脸幻生算法 | 第36-48页 |
| 3.2.1 图像高频样本库的建立 | 第37-42页 |
| 3.2.2 阈值分割 | 第42-43页 |
| 3.2.3 生成训练样本集 | 第43-45页 |
| 3.2.4 高频信息字典对训练 | 第45-46页 |
| 3.2.5 图像重建 | 第46-48页 |
| 3.3 参数设置 | 第48-55页 |
| 3.3.1 图像块大小以及分块重叠数 | 第48-50页 |
| 3.3.2 高频信息二值化图像提取阈值 | 第50-53页 |
| 3.3.3 字典大小 | 第53-55页 |
| 3.4 仿真实验和结果分析 | 第55-59页 |
| 3.4.1 仿真实验环境 | 第55-56页 |
| 3.4.2 各算法低倍重建效果对比 | 第56-58页 |
| 3.4.3 各算法高倍重建效果对比 | 第58-59页 |
| 3.4.4 重建效果稳定性分析 | 第59页 |
| 3.5 本章小结 | 第59-61页 |
| 第4章 基于分步构造高频信息字典的人脸超分辨率重建 | 第61-75页 |
| 4.1 传统字典训练方式 | 第62-65页 |
| 4.1.1 高低分辨率字典单独训练方式 | 第62-63页 |
| 4.1.2 联合字典对训练方式 | 第63-65页 |
| 4.2 分步字典对训练方式 | 第65-68页 |
| 4.2.1 低分辨率字典指导训练高分辨率字典 | 第65-66页 |
| 4.2.2 高分辨率字典指导训练低分辨率字典 | 第66-68页 |
| 4.3 仿真实验和结果分析 | 第68-73页 |
| 4.3.1 仿真实验环境 | 第68页 |
| 4.3.2 不同字典训练方式低倍重建效果对比 | 第68-72页 |
| 4.3.3 不同字典训练方式高倍重建效果对比 | 第72-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75页 |
| 5.2 展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |