| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究动态 | 第11-14页 |
| ·被动毫米波成像系统 | 第11-12页 |
| ·图像超分辨率复原技术 | 第12-14页 |
| ·本文章节安排 | 第14-15页 |
| 第二章 被动毫米波成像基础理论及统计学习基础理论 | 第15-23页 |
| ·被动毫米波成像数学模型 | 第15-16页 |
| ·成像模型 | 第15-16页 |
| ·毫米波成像系统点扩展函数 | 第16页 |
| ·统计学习理论 | 第16-22页 |
| ·学习问题的表示 | 第17-18页 |
| ·结构风险的界 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于正则化回归方法的毫米波图像条带校正算法研究 | 第23-37页 |
| ·被动毫米波图像条带数学模型 | 第24-28页 |
| ·条带噪声模型 | 第24-25页 |
| ·场景连续性 | 第25-28页 |
| ·基于正则化线性回归条带校正算法 | 第28-31页 |
| ·最小二乘线性回归 | 第28页 |
| ·使用正则化方法的原因 | 第28-30页 |
| ·构建正则化约束的最小二乘线性回归 | 第30-31页 |
| ·毫米波图像行均值补偿 | 第31-34页 |
| ·正则化回归去条带算法仿真实验 | 第34-36页 |
| ·光学图像模拟条带效应校正测试 | 第34-35页 |
| ·实测毫米波图像校正测试 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于稀疏线梯度模型的毫米波图像盲超分辨率算法研究 | 第37-48页 |
| ·图像降质模型的多帧描述形式 | 第37-38页 |
| ·毫米波图像稀疏线梯度先验模型 | 第38-40页 |
| ·基于 MAP 框架及 SLG 先验模型的盲超分辨率复原算法的研究 | 第40-43页 |
| ·MAP 超分辨率复原框架 | 第40-41页 |
| ·点扩展函数模型 | 第41-42页 |
| ·盲超分辨率算法交替迭代最优化求解 | 第42-43页 |
| ·稀疏线梯度超分辨率算法仿真实验 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于稀疏分解 SVR 的毫米波图像超分辨率算法研究 | 第48-69页 |
| ·基于学习的图像超分辨率复原算法 | 第48-49页 |
| ·支持向量回归方法研究 | 第49-56页 |
| ·支持向量机基本方法 | 第49-54页 |
| ·回归模型在高维空间上的推广 | 第54-56页 |
| ·基于支持向量回归的毫米波图像分辨率增强算法研究 | 第56-65页 |
| ·回归模型选择与计算复杂度 | 第57-59页 |
| ·基于稀疏分解的 SVR 图像分辨率增强算法 | 第59-65页 |
| ·稀疏分解 SVR 超分辨率算法仿真实验 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结 | 第69-71页 |
| ·工作总结 | 第69-70页 |
| ·工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
