基于压缩感知的人脸图像超分辨率重建
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-17页 |
| 1.1 课题的研究背景及意义 | 第7-9页 |
| 1.2 课题的国内外研究现状 | 第9-11页 |
| 1.3 图像超分辨率技术分类 | 第11-16页 |
| 1.3.1 基于插值的图像超分辨率算法 | 第11-12页 |
| 1.3.2 基于重建的超分辨率重建算法 | 第12-14页 |
| 1.3.3 基于机器学习的超分辨率重建算法 | 第14-16页 |
| 1.4 论文的研究内容以及组织结构 | 第16-17页 |
| 2 压缩感知及其应用 | 第17-23页 |
| 2.1 压缩感知基础理论 | 第17-20页 |
| 2.1.1 信号的稀疏表示 | 第18-19页 |
| 2.1.2 观测矩阵的设计 | 第19-20页 |
| 2.1.3 压缩感知信号恢复 | 第20页 |
| 2.2 压缩感知应用 | 第20-22页 |
| 2.1.3 压缩感知在图像处理领域的应用 | 第20-22页 |
| 2.2.2 压缩成像 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于稀疏表示的图像超分辨率重建 | 第23-32页 |
| 3.1 超分辨率图像重建 | 第23-27页 |
| 3.1.1 超分辨率约束 | 第23-24页 |
| 3.1.2 局部模型的稀疏表示 | 第24-26页 |
| 3.1.3 低分辨率图像特征提取算法 | 第26-27页 |
| 3.2 构建过完备字典对 | 第27-31页 |
| 3.2.1 训练样本的选取 | 第27页 |
| 3.2.2 单一过完备字典训练 | 第27-28页 |
| 3.2.3 联合过完备字典训练 | 第28-29页 |
| 3.2.4 最优方向法(MOD) | 第29-30页 |
| 3.2.5 K-奇异值分解(KSVD) | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 4 基于压缩感知的人脸图像超分辨率重建 | 第32-51页 |
| 4.1 样本图像库分类 | 第32-34页 |
| 4.2 人脸超分辨率图像重建框架 | 第34-37页 |
| 4.3 对图像块选择合适的重建方法 | 第37-39页 |
| 4.4 快速构建超图像稀疏表示系数 | 第39-41页 |
| 4.5 实验结果及性能评价 | 第41-50页 |
| 4.5.1 图像质量评价标准 | 第42-43页 |
| 4.5.2 参数设定 | 第43-44页 |
| 4.5.3 算法重建精度评估 | 第44-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
