| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 该课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与发展 | 第10-12页 |
| 1.2.1 超分辨率重建研究现状 | 第10-11页 |
| 1.2.2 压缩感知研究现状 | 第11-12页 |
| 1.3 论文的章节安排及研究内容 | 第12-14页 |
| 第2章 超分辨率重建与压缩感知理论 | 第14-32页 |
| 2.1 引言 | 第14页 |
| 2.2 图像恢复与超分辨率重建 | 第14-17页 |
| 2.2.1 降质系统 | 第14-16页 |
| 2.2.2 图像恢复与图像超分辨率的区别与联系 | 第16-17页 |
| 2.3 图像超分辨率重建分类 | 第17-24页 |
| 2.3.1 基于插值的超分辨率重建 | 第17-21页 |
| 2.3.2 基于重建的超分辨率重建 | 第21-22页 |
| 2.3.3 基于学习的超分辨率重建 | 第22-24页 |
| 2.4 评价超分辨重建质量的核心标准 | 第24-26页 |
| 2.5 压缩感知理论 | 第26-31页 |
| 2.5.1 压缩感知的由来 | 第26-27页 |
| 2.5.2 压缩感知理论基础 | 第27-29页 |
| 2.5.3 信号稀疏表示及分解方法 | 第29-30页 |
| 2.5.4 测量矩阵设计 | 第30页 |
| 2.5.5 低分辨率图像重构 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于压缩感知字典学习的图像快速超分辨率重建 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 研究的图像数据区域 | 第32-35页 |
| 3.2.1 图像研究区域 | 第32-34页 |
| 3.2.2 图像收集的预处理过程 | 第34-35页 |
| 3.3 基于压缩感知字典构建算法设计 | 第35-42页 |
| 3.3.1 基于Yang的字典训练 | 第35-36页 |
| 3.3.2 K-SVD字典构建算法 | 第36-38页 |
| 3.3.3 优化后的字典训练 | 第38-39页 |
| 3.3.4 冗余字典非线性近似 | 第39-41页 |
| 3.3.5 基于特征提取的K-SVD字典算法优化 | 第41-42页 |
| 3.4 基于压缩感知双稀疏字典重建算法设计 | 第42-45页 |
| 3.4.1 基于Yang的字典学习 | 第42页 |
| 3.4.2 OMP字典学习算法 | 第42-43页 |
| 3.4.3 优化后的字典学习 | 第43-44页 |
| 3.4.4 OMP字典优化算法 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于梯度边缘估计的图像快速超分辨重建 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 基于梯度边缘估计的图像重建架构 | 第46-48页 |
| 4.2.1 基于Yang字典学习的图像超分辨重建架构 | 第46-47页 |
| 4.2.2 基于梯度估计的图像快速超分辨重建架构 | 第47-48页 |
| 4.3 基于局部方差梯度估计的重建算法 | 第48-54页 |
| 4.3.1 训练库样本的选择 | 第48页 |
| 4.3.2 K-Means分类 | 第48-50页 |
| 4.3.3 稀疏滤波 | 第50-52页 |
| 4.3.4 局部方差选取 | 第52-53页 |
| 4.3.5 梯度估计及图像重建 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于压缩感知字典学习的快速图像超分辨重建算法实验分析 | 第55-70页 |
| 5.1 引言 | 第55页 |
| 5.2 环境参数的设置 | 第55页 |
| 5.3 不同字典构建算法对图像重建的影响 | 第55-66页 |
| 5.3.1 字典大小对图像重建的影响 | 第55-63页 |
| 5.3.2 字典训练库对图像重建的影响 | 第63-66页 |
| 5.4 参数对实验过程中的影响 | 第66-69页 |
| 5.4.1 稀疏正则化对重建算法的影响 | 第66-67页 |
| 5.4.2 图像块像素重叠因素对算法的影响 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间的学术成果 | 第80-81页 |
