| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及目的 | 第10页 |
| 1.2 超分辨率重建算法的发展现状 | 第10-13页 |
| 1.2.1 基于插值的算法 | 第11页 |
| 1.2.2 基于重建的算法 | 第11-12页 |
| 1.2.3 基于学习的算法 | 第12-13页 |
| 1.3 超分辨率重建算法的应用 | 第13-14页 |
| 1.4 超分辨率重建算法质量评价指标 | 第14-16页 |
| 1.5 本文的主要研究内容 | 第16-18页 |
| 第2章 基于稀疏表示的超分辨率重建算法 | 第18-28页 |
| 2.1 稀疏表示理论 | 第18-22页 |
| 2.1.1 稀疏表示基本思想 | 第18-19页 |
| 2.1.2 稀疏表示的优化 | 第19-20页 |
| 2.1.3 稀疏表示字典的构建 | 第20-22页 |
| 2.2 基于学习的超分辨率算法 | 第22-25页 |
| 2.2.1 局部稀疏表示模型 | 第22-23页 |
| 2.2.2 图像全局约束重建 | 第23-24页 |
| 2.2.3 字典的训练构建 | 第24-25页 |
| 2.3 实验数据及结果 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于耦合字典的超分辨率重建算法 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 耦合字典学习方法 | 第28-31页 |
| 3.2.1 字典训练条件 | 第28-29页 |
| 3.2.2 字典训练过程 | 第29-31页 |
| 3.3 基于耦合字典的图像超分辨率重建 | 第31-32页 |
| 3.4 实验数据及结果 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 结合图像非局部自相似性的超分辨率重建算法 | 第36-52页 |
| 4.1 引言 | 第36页 |
| 4.2 算法介绍 | 第36-47页 |
| 4.2.1 自适应稀疏域选择理论介绍 | 第37-38页 |
| 4.2.2 子字典的学习方法 | 第38-41页 |
| 4.2.3 稀疏正则项的优化 | 第41-42页 |
| 4.2.4 空间稀疏正则化 | 第42-43页 |
| 4.2.5 非局部自相似性 | 第43-47页 |
| 4.3 实验数据及结果 | 第47-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 基于图像非局部自相似性与字典学习的超分辨率重建算法 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 基于图像非局部自相似性与字典学习的超分辨率重建算法 | 第52-58页 |
| 5.2.1 非局部自回归 | 第52-56页 |
| 5.2.2 字典的训练及选取 | 第56-58页 |
| 5.3 实验数据及结果 | 第58-62页 |
| 5.4 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |