| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于插值的方法 | 第9-10页 |
| 1.2.2 基于图像重建的算法 | 第10-11页 |
| 1.2.3 利用先验信息的学习型算法 | 第11-13页 |
| 1.3 本文主要内容和章节安排 | 第13-14页 |
| 第2章 稀疏表示理论基础 | 第14-24页 |
| 2.1 信号的稀疏表示 | 第14-15页 |
| 2.1.1 信号的稀疏表示模型 | 第14页 |
| 2.1.2 唯一性和稳定性 | 第14-15页 |
| 2.2 稀疏表示的优化方法 | 第15-18页 |
| 2.2.1 贪婪算法的核心思想 | 第16-17页 |
| 2.2.2 正交匹配追踪法 | 第17-18页 |
| 2.3 字典训练方法 | 第18-22页 |
| 2.3.1 固定字典和学习字典对比 | 第18页 |
| 2.3.2 字典学习算法 | 第18-22页 |
| 2.4 评价标准 | 第22-24页 |
| 2.4.1 主观评价标准 | 第22页 |
| 2.4.2 客观评价标准 | 第22-24页 |
| 第3章 基于稀疏表示和局部纹理约束的图像超分辨率重建方法 | 第24-37页 |
| 3.1 基于稀疏表示的图像超分辨率模型 | 第24-28页 |
| 3.1.1 字典训练阶段 | 第24-26页 |
| 3.1.2 稀疏编码阶段 | 第26-28页 |
| 3.2 算法描述 | 第28-31页 |
| 3.2.1 改进的局部纹理约束 | 第28-29页 |
| 3.2.2 改进的全局重构优化模型 | 第29-31页 |
| 3.3 实验结果与分析 | 第31-36页 |
| 3.3.1 无噪声图像超分辨率重建结果 | 第32-33页 |
| 3.3.2 含噪图像超分辨率重建 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于LBP特征稀疏表示的图像超分辨率方法 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 LBP纹理特征提取和图像块分类 | 第37-41页 |
| 4.2.1 局部二值模式介绍 | 第38-40页 |
| 4.2.2 图像块纹理特征提取和分类 | 第40-41页 |
| 4.3 改进的字典训练和局部块稀疏表示模型 | 第41-45页 |
| 4.3.1 分类构建过完备字典 | 第41-43页 |
| 4.3.2 基于图像块自相似的稀疏表示模型 | 第43-45页 |
| 4.4 改进的全局重构约束模型 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-49页 |
| 4.5.1 聚类字典个数对重建结果的影响 | 第47页 |
| 4.5.2 无噪和含噪图像重建结果 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 未来展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录1 攻读硕士学位期间发表的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 详细摘要 | 第60-64页 |