| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文结构 | 第10-12页 |
| 第二章 基于运动补偿和自回归模型的帧率提升算法 | 第12-25页 |
| 2.1 基于运动补偿的帧率提升算法 | 第12-20页 |
| 2.1.1 块匹配准则 | 第13-14页 |
| 2.1.2 传统的块匹配搜索算法 | 第14-20页 |
| 2.2 基于自回归模型的帧率提升算法 | 第20-23页 |
| 2.2.1 时空自回归模型(Spatio-Temproal Auto Regressive Model) | 第20-22页 |
| 2.2.2 自反馈优化权重 | 第22-23页 |
| 2.2.3 运动一致的 STAR 模型（MA-STAR） | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 图像的稀疏表示和字典集合学习 | 第25-34页 |
| 3.1 图像的稀疏表示 | 第25-29页 |
| 3.1.1 图像模型 | 第25-26页 |
| 3.1.2 图像的稀疏表示 | 第26-28页 |
| 3.1.3 基于稀疏表示的超分辨率图像重建 | 第28-29页 |
| 3.2 字典集合学习 | 第29-32页 |
| 3.2.1 单个字典集合的训练 | 第30-31页 |
| 3.2.2 联合字典集合的训练 | 第31-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 线性回归和非线性回归参数学习 | 第34-40页 |
| 4.1 线性回归的参数学习 | 第34-37页 |
| 4.1.1 一元线性回归 | 第34-35页 |
| 4.1.2 最小二乘估计算法 | 第35-37页 |
| 4.1.3 多元线性回归 | 第37页 |
| 4.2 非线性回归参数学习 | 第37-39页 |
| 4.2.1 线性化方法 | 第37-38页 |
| 4.2.2 直接最小化二乘法 | 第38页 |
| 4.2.3 二步法 | 第38-39页 |
| 4.2.4 非线性回归参数学习检验 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 基于稀疏表示的帧率提升算法 | 第40-59页 |
| 5.1 符合和变量说明 | 第40-42页 |
| 5.2 基于稀疏表示的先验知识 | 第42页 |
| 5.3 帧间图像的稀疏表示 | 第42-46页 |
| 5.3.1 稀疏表示的局部模型 | 第42-45页 |
| 5.3.2 公式化的定义 | 第45-46页 |
| 5.4 帧间字典集合的学习 | 第46-49页 |
| 5.4.1 特征提取 | 第46-47页 |
| 5.4.2 字典学习 | 第47-49页 |
| 5.5 非线性回归的参数学习 | 第49-50页 |
| 5.6 图像帧的重建 | 第50-52页 |
| 5.7 实验结果以及分析 | 第52-58页 |
| 5.8 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66页 |