| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源及研究的背景和意义 | 第9-12页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 研究背景 | 第9-10页 |
| 1.1.3 研究意义 | 第10-12页 |
| 1.2 研究现状综述 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 本文主要研究内容及组织结构 | 第16-18页 |
| 1.3.1 本文的主要研究内容 | 第16页 |
| 1.3.2 本文的文章结构 | 第16-18页 |
| 第2章 超分辨率图像重建理论与算法研究 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 超分辨率重建模型 | 第18-20页 |
| 2.2.1 图像超分辨率概念 | 第18-19页 |
| 2.2.2 图像的观测模型 | 第19-20页 |
| 2.3 超分辨率重建算法 | 第20-28页 |
| 2.3.1 基于插值的图像超分辨率重建算法 | 第20-22页 |
| 2.3.2 基于建模的图像超分辨率重建算法 | 第22-23页 |
| 2.3.3 基于学习的图像超分辨率重建算法 | 第23-28页 |
| 2.4 超分辨率图像重建需要解决的问题 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 超分辨率图像特征提取和表示方法 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 基于梯度算子的图像特征 | 第30-31页 |
| 3.3 基于小波分解的图像特征 | 第31-34页 |
| 3.3.1 小波分析的概念 | 第31-32页 |
| 3.3.2 小波的多尺度分析 | 第32-33页 |
| 3.3.3 图像的小波多尺度分解 | 第33-34页 |
| 3.4 基于非下采样的轮廓波变换特征 | 第34-38页 |
| 3.4.1 NSCT基本原理 | 第34-37页 |
| 3.4.2 图像NSCT特征 | 第37-38页 |
| 3.5 实验结果及讨论 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于非下采样轮廓波变换和稀疏表示的超分辨率算法 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 本文算法的总体流程概述 | 第41-43页 |
| 4.3 算法的详细介绍 | 第43-49页 |
| 4.3.1 基于稀疏表示框架的超分辨率问题求解 | 第43-45页 |
| 4.3.2 训练高低分辨率过完备字典对 | 第45-47页 |
| 4.3.3 提取图像的NSCT特征 | 第47-48页 |
| 4.3.4 详细实现算法 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-57页 |
| 4.4.1 数据集 | 第49-50页 |
| 4.4.2 图像质量评价标准 | 第50-51页 |
| 4.4.3 实验结果 | 第51-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |