| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 序言 | 第10-13页 |
| 1 引言 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 图像超分辨率重建 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 插值法 | 第15页 |
| 1.3.2 重构法 | 第15-18页 |
| 1.3.3 学习法 | 第18页 |
| 1.4 论文主要工作 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 2 超分辨率重建基础理论 | 第20-26页 |
| 2.1 图像超分辨率重建 | 第20页 |
| 2.2 图像超分辨率模型 | 第20-24页 |
| 2.3 图像超分辨率评判标准 | 第24-25页 |
| 2.3.1 PSNR | 第24页 |
| 2.3.2 SSIM | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于学习和重构的层次式图像超分辨率方法 | 第26-44页 |
| 3.1 图像超分辨率问题建模 | 第26-31页 |
| 3.1.1 基于稀疏表示的学习图像作为先验条件 | 第26-30页 |
| 3.1.2 非局部均值过滤器作为先验条件 | 第30-31页 |
| 3.2 基于学习和重构的层次式图像超分辨率重建算法介绍 | 第31-33页 |
| 3.2.1 基本算法描述 | 第32页 |
| 3.2.2 算法改进 | 第32-33页 |
| 3.3 实验设计与结果分析 | 第33-43页 |
| 3.3.1 实验设置 | 第33页 |
| 3.3.2 实验结果对比 | 第33-39页 |
| 3.3.3 先验条件的影响对比 | 第39-41页 |
| 3.3.4 则化参数对实验结果的影响 | 第41-42页 |
| 3.3.5 不同的PSF的低分辨率的重建结果比较 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 改进的基于重构的超分辨率重建算法 | 第44-56页 |
| 4.1 非局部均值过滤算法优化 | 第44页 |
| 4.2 改进的重建算法 | 第44-48页 |
| 4.2.1 非局部均值的过滤条件 | 第45页 |
| 4.2.2 转向核回归的先验条件 | 第45-46页 |
| 4.2.3 算法介绍 | 第46-48页 |
| 4.3 实验设计与结果分析 | 第48-55页 |
| 4.3.1 实验设置 | 第48页 |
| 4.3.2 实验结果 | 第48-52页 |
| 4.3.3 在先验条件的有效性证明 | 第52-53页 |
| 4.3.4 参数选取 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 改进的基于稀疏表示的超分辨率重建算法 | 第56-67页 |
| 5.1 学习算法模型介绍 | 第56-61页 |
| 5.1.1 聚类算法的选择 | 第57-60页 |
| 5.1.2 聚类字典个数的选择 | 第60-61页 |
| 5.2 迭代算法的选择 | 第61-63页 |
| 5.2.1 迭代投影法效果实验证明 | 第62-63页 |
| 5.3 实验结果 | 第63-66页 |
| 5.3.1 结果比较 | 第63-65页 |
| 5.3.2 算法鲁棒性分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |