| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 基于插值的超分辨率重建 | 第13-14页 |
| 1.2.2 基于重构的超分辨率重建 | 第14-15页 |
| 1.2.3 基于学习的超分辨率重建 | 第15-17页 |
| 1.3 图像重建质量评价方法 | 第17-18页 |
| 1.3.1 主观评价方法 | 第17页 |
| 1.3.2 客观评价方法 | 第17-18页 |
| 1.4 论文的主要研究内容及组织架构 | 第18-20页 |
| 2 气象卫星资料 | 第20-24页 |
| 2.1 气象卫星概述 | 第20-22页 |
| 2.1.1 极轨卫星 | 第20页 |
| 2.1.2 静止卫星 | 第20-22页 |
| 2.2 卫星云图介绍 | 第22-24页 |
| 2.2.1 红外云图 | 第22页 |
| 2.2.2 水汽云图 | 第22-23页 |
| 2.2.3 可见光云图 | 第23-24页 |
| 3 稀疏表示理论及其在超分辨率中的应用 | 第24-35页 |
| 3.1 图像退化模型分析 | 第24-26页 |
| 3.2 稀疏表示理论基础 | 第26-28页 |
| 3.2.1 图像稀疏表示问题 | 第26-28页 |
| 3.3 字典构造方法 | 第28-31页 |
| 3.3.1 最优方向法（MOD） | 第29-30页 |
| 3.3.2 K-SVD方法 | 第30-31页 |
| 3.4 稀疏分解算法 | 第31-33页 |
| 3.4.1 松弛法 | 第31-32页 |
| 3.4.2 贪婪追踪法 | 第32-33页 |
| 3.5 基于字典学习的图像超分辨率重建算法 | 第33-34页 |
| 3.6 小结 | 第34-35页 |
| 4 基于结构组稀疏表示的红外云图超分辨率算法 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 基于结构组的稀疏表示 | 第35-37页 |
| 4.3 结构组字典学习 | 第37-40页 |
| 4.3.1 高斯混合模型聚类 | 第37-38页 |
| 4.3.2 字典学习与字典选择 | 第38-39页 |
| 4.3.3 自适应加权稀疏正则化 | 第39-40页 |
| 4.4 基于结构组稀疏表示的超分辨率算法 | 第40页 |
| 4.5 实验结果与分析 | 第40-45页 |
| 4.5.1 两倍超分辨率重建 | 第41-43页 |
| 4.5.2 三倍超分辨率重建 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于V1LT - 分解的红外云图超分辨率算法研究 | 第46-62页 |
| 5.1 引言 | 第46页 |
| 5.2 基于TV-L1分解模型的超分辨率算法 | 第46-47页 |
| 5.3 TV-L1图像分离模型 | 第47-48页 |
| 5.4 基于SAI的卡通部分超分辨率 | 第48-53页 |
| 5.4.1 PAR模型介绍 | 第49页 |
| 5.4.2 SAI插值原理介绍 | 第49-53页 |
| 5.5 基于NSCT的纹理部分超分辨率 | 第53-56页 |
| 5.5.1 NSCT原理 | 第53-55页 |
| 5.5.2 基于NSCT的纹理分量增强 | 第55-56页 |
| 5.6 实验结果与分析 | 第56-61页 |
| 5.6.1 两倍超分辨率重建 | 第58-59页 |
| 5.6.2 三倍超分辨率重建 | 第59-61页 |
| 5.7 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |