基于稀疏理论的超分辨率技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的背景和意义 | 第9-10页 |
| ·研究的国内外现状 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的章节安排 | 第13-14页 |
| 2 图像的滤波特征提取 | 第14-21页 |
| ·引言 | 第14页 |
| ·图像滤波 | 第14-17页 |
| ·高斯滤波(Gaussian Filter) | 第16-17页 |
| ·双边滤波(Bilateral Filter) | 第17页 |
| ·图像双阶导数 | 第17-19页 |
| ·Guided滤波 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 稀疏字典的学习 | 第21-28页 |
| ·引言 | 第21页 |
| ·图像稀疏表征理论 | 第21-24页 |
| ·稀疏单字典的学习 | 第24-25页 |
| ·稀疏双字典的联合学习 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 4 基于稀疏理论的单帧图像的超分辨率实验 | 第28-39页 |
| ·引言 | 第28页 |
| ·传统的图像SR算法实验 | 第28-32页 |
| ·最近邻插值法实验 | 第30-31页 |
| ·双三次插值法实验 | 第31-32页 |
| ·Yang等人的图像SR算法实验 | 第32-33页 |
| ·本文的图像SR算法实验 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 5 基于图像超分辨率的人脸识别 | 第39-55页 |
| ·引言 | 第39页 |
| ·ORL人脸库简介 | 第39-40页 |
| ·基于PCA和SVM的人脸识别系统实验 | 第40-49页 |
| ·主成分分析(PCA)降维 | 第41-42页 |
| ·数据规格化(Scaling) | 第42-44页 |
| ·支持向量机(SVM)分类 | 第44-46页 |
| ·人脸识别系统实验 | 第46-49页 |
| ·图像SR算法的人脸识别系统实验 | 第49-54页 |
| ·双三次插值法的人脸识别系统实验 | 第49-51页 |
| ·本文SR算法的人脸识别系统实验 | 第51-52页 |
| ·不同SR算法结合人脸识别系统的实验 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结及展望 | 第55-57页 |
| ·本文的工作总结 | 第55页 |
| ·今后的工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录 英文缩写对应全称 | 第62-63页 |
| 攻读硕士学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64-66页 |
