| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 图像的超分辨率重建技术 | 第15-25页 |
| ·超分辨率重建方法概述 | 第15-16页 |
| ·基于插值的超分辨率重建 | 第16-18页 |
| ·图像插值 | 第16-17页 |
| ·多帧插值超分辨率重建 | 第17-18页 |
| ·基于重建约束的超分辨率重建 | 第18-22页 |
| ·重建约束的构建 | 第19-20页 |
| ·基于重建约束的重建技术 | 第20-22页 |
| ·基于学习的超分辨率重建 | 第22-24页 |
| ·基于流形学习的超分辨率重建 | 第22-23页 |
| ·基于支持向量机的超分辨率重建 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 应用于图像超分辨率重建的图像特征提取及分类 | 第25-40页 |
| ·概述 | 第25-26页 |
| ·基于纹理图像分类方法 | 第26-29页 |
| ·纹理单元 | 第27页 |
| ·纹理特征提取 | 第27-29页 |
| ·基于梯度的特征提取及分类 | 第29-33页 |
| ·基于梯度的特征提取方法 | 第29-32页 |
| ·基于梯度的 SVM 分类方法 | 第32-33页 |
| ·特征图像分类在本文中应用 | 第33-38页 |
| ·基于纹理特征的训练库图像分类 | 第34-36页 |
| ·基于梯度特征的训练库图像分类 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于特征图像的稀疏表示重建技术 | 第40-51页 |
| ·稀疏矩阵及稀疏编码 | 第40-41页 |
| ·基于稀疏表示的超分辨率重建 | 第41-44页 |
| ·稀疏表示的约束条件 | 第41-42页 |
| ·基于稀疏性的图像超分辨率重建 | 第42-44页 |
| ·基于稀疏表示的重建方法中的字典训练 | 第44-45页 |
| ·单个字典训练 | 第44页 |
| ·联合字典训练 | 第44-45页 |
| ·特征图像分类在字典训练中的应用 | 第45-48页 |
| ·按纹理特征对字典分类 | 第45-47页 |
| ·按边缘梯度特征对字典分类 | 第47-48页 |
| ·基于特征图像和稀疏编码的超分辨率重建算法实现 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验结果及分析 | 第51-60页 |
| ·训练库的构建 | 第51页 |
| ·使用纹理特征字典重建结果 | 第51-55页 |
| ·使用梯度特征字典重建结果 | 第55-58页 |
| ·使用多特征字典重建结果与比较 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·进一步的工作和展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 程序清单 | 第65-66页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |