| 第一章 绪论 | 第1-15页 |
| 1．1 研究背景 | 第11-13页 |
| 1．2 课题意义 | 第13页 |
| 1．3 主要创新点 | 第13-14页 |
| 1．4 论文的组织 | 第14-15页 |
| 第二章 静态图像重构和压缩理论基础 | 第15-43页 |
| 2．1 基于贝尔模板图像传感器 | 第15-20页 |
| 2．1．1 图像传感器工作原理 | 第15-16页 |
| 2．1．2 CCD和 CMOS的比较 | 第16-17页 |
| 2．1．3 单 CCD和3CCD | 第17-18页 |
| 2．1．4 CFA阵列结构与 Bayer模板 | 第18-20页 |
| 2．1．5 原始数据的含义 | 第20页 |
| 2．2 原始数据处理流程 | 第20-24页 |
| 2．3 CFA插值算法概述 | 第24-32页 |
| 2．3．1 CFA图像获取的数学模型 | 第24-25页 |
| 2．3．2 传统插值算法 | 第25-28页 |
| 2．3．3 插值算法分类 | 第28-32页 |
| 2．4 插值后图像增强算法 | 第32-36页 |
| 2．4．1 常见人工失真分析 | 第32-34页 |
| 2．4．2 伪彩抑制 | 第34-35页 |
| 2．4．3 边缘增强 | 第35-36页 |
| 2．5 图像压缩基础与静态图像压缩标准 | 第36-42页 |
| 2．5．1 一般图像压缩算法 | 第36-39页 |
| 2．5．2 无损和近无损图像压缩 | 第39-40页 |
| 2．5．3 JPEG，JPEG2000与JPEG-LS标准 | 第40-42页 |
| 2．6 本章小结 | 第42-43页 |
| 第三章 高质量与高效率的 CFA图像重构算法 | 第43-73页 |
| 3．1 基于 YUV色彩空间的插值算法 | 第43-46页 |
| 3．2 基于图像分解的插值算法 | 第46-54页 |
| 3．2．1 算法的形成思路 | 第46-49页 |
| 3．2．2 算法描述 | 第49-54页 |
| 3．3 用改进的中值滤波进行伪彩抑制 | 第54-56页 |
| 3．3．1 算法形成思路 | 第54-55页 |
| 3．3．2 算法描述 | 第55-56页 |
| 3．4 边缘增强 | 第56-57页 |
| 3．5 CEA重构图像质量评价 | 第57-61页 |
| 3．5．1 对边界区域和平滑区域分别进行评价 | 第57-60页 |
| 3．5．2 计算拉练效应百分比 | 第60-61页 |
| 3．6 CFA图像重构算法实验 | 第61-72页 |
| 3．6．1 基于 YUV空间插值算法实验 | 第61-62页 |
| 3．6．2 基于通道分解的插值方法实验 | 第62-72页 |
| 3．7 本章小结 | 第72-73页 |
| 第四章 原始数据压缩 | 第73-97页 |
| 4．1 对原始数据直接存储和压缩的意义及国内外发展现状 | 第73-78页 |
| 4．1．1 对原始数据直接存储的意义及优缺点 | 第73-76页 |
| 4．1．2 压缩原始数据的意义及国内外发展状况 | 第76-78页 |
| 4．2 原始数据的图像压缩算法框架设计 | 第78-84页 |
| 4．2．1 基于 JPEG的压缩方法 | 第78-80页 |
| 4．2．2 基于矢量量化的视觉无损压缩算法框架 | 第80-84页 |
| 4．3 针对原始数据压缩的评价办法 | 第84-87页 |
| 4．4 压缩实验 | 第87-94页 |
| 4．4．1 原始数据压缩算法质量评价 | 第88-91页 |
| 4．4．2 对解压后的原始数据插值后质量评价 | 第91-94页 |
| 4．5 原始数据压缩算法的展望 | 第94-96页 |
| 4．6 本章小结 | 第96-97页 |
| 第五章 结论和展望 | 第97-99页 |
| 参考文献 | 第99-105页 |
| 附录 | 第105-109页 |
| 致谢 | 第109-110页 |
| 硕士期间论文发表情况 | 第110页 |