| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究的目的和意义 | 第11-12页 |
| 1.3 图像超分辨率技术的理论基础 | 第12-18页 |
| 1.3.1 图像的观测模型 | 第12-13页 |
| 1.3.2 图像分辨率的概念 | 第13-15页 |
| 1.3.2.1 分辨率概念 | 第13页 |
| 1.3.2.2 分辨率表示 | 第13-15页 |
| 1.3.3 图像处理 | 第15-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 图像超分辨率方法概述 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 图像所满足的先验知识 | 第19-20页 |
| 2.2.1. 单幅图像的先验知识 | 第19页 |
| 2.2.2. 多幅相关图像的先验知识 | 第19-20页 |
| 2.3 图像超分辨率重构技术的概述 | 第20-24页 |
| 2.3.1 基于插值的图像超分辨率技术 | 第20-22页 |
| 2.3.2 基于多幅图像的图像超分辨率 | 第22页 |
| 2.3.3 基于学习的图像超分辨率技术 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于相关图像的图像超分辨率涉及的理论知识 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 图像特征 | 第25-31页 |
| 3.2.1 HOG 特征 | 第25-26页 |
| 3.2.2 SIFT 特征 | 第26-31页 |
| 3.3 随机抽样一致算法（RANSAC） | 第31-33页 |
| 3.4 图像的总方差(TV) | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于相关图像的图像超分辨率算法的实现 | 第35-55页 |
| 4.1 引言 | 第35页 |
| 4.2 基于相关图像的超分辨率算法框架 | 第35-36页 |
| 4.3 基于绑定的 SIFT 特征点的图像检索 | 第36-38页 |
| 4.3.1 可视组 | 第36-37页 |
| 4.3.2 相似度度量 | 第37-38页 |
| 4.3.3 索引以及图像检索 | 第38页 |
| 4.4 利用 RANSAC 进行图像对齐 | 第38-41页 |
| 4.5 ULR 重构 | 第41-46页 |
| 4.5.1 图像融合 | 第41-42页 |
| 4.5.2 相似度度量准则 | 第42-46页 |
| 4.6 误差下降迭代算法 | 第46-48页 |
| 4.7 实验结果 | 第48-53页 |
| 4.7.1 实验数据来源 | 第48页 |
| 4.7.2 基于绑定的 SIFT 特征的图像检索 | 第48-49页 |
| 4.7.3 图像对齐效果对最终 HR 图像质量的影响以及分析 | 第49-50页 |
| 4.7.4 算法对块边长的稳定性 | 第50-51页 |
| 4.7.5 对比实验 | 第51-53页 |
| 4.8 结论 | 第53-54页 |
| 4.9 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |