基于多特征融合和稀疏表示的单幅图像超分辨率重建算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源及研究背景和意义 | 第9-11页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 研究背景及意义 | 第9-11页 |
| 1.2 研究现状综述 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 总结 | 第13-14页 |
| 1.3 本文主要研究内容及组织结构 | 第14-16页 |
| 1.3.1 本文的主要研究内容 | 第14-15页 |
| 1.3.2 本文的文章结构 | 第15-16页 |
| 第2章 超分辨率图像重建理论与算法研究 | 第16-28页 |
| 2.1 图像超分辨率概述 | 第16-17页 |
| 2.2 超分辨率重建算法分类 | 第17-26页 |
| 2.2.1 基于插值的图像超分辨率重建算法 | 第17-20页 |
| 2.2.2 基于重建的序列图像超分辨率重建算法 | 第20-22页 |
| 2.2.3 基于学习的图像超分辨率重建算法 | 第22-26页 |
| 2.3 图像超分辨率重建的评价指标 | 第26-27页 |
| 2.3.1 主观评价指标 | 第26页 |
| 2.3.2 客观评价指标 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于多特征融合的超分辨率重建算法 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 图像的高频特征描述与提取 | 第28-33页 |
| 3.2.1 梯度算子 | 第29-30页 |
| 3.2.2 非下采样轮廓波变换（NSCT ） | 第30-33页 |
| 3.2.3 Gabor变换 | 第33页 |
| 3.3 基于多特征的图像超分辨率重建算法 | 第33-39页 |
| 3.3.1 算法总体流程 | 第33-36页 |
| 3.3.2 特征提取 | 第36-37页 |
| 3.3.3 整体详细算法 | 第37-38页 |
| 3.3.4 字典训练 | 第38-39页 |
| 3.4 实验结果 | 第39-41页 |
| 3.4.1 数据集 | 第39页 |
| 3.4.2 对比实验 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 模糊图像超分辨率重建算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 单幅图像盲去模糊 | 第42-43页 |
| 4.3 模糊图像超分辨率重建 | 第43-45页 |
| 4.3.1 去模糊正则项约束 | 第43页 |
| 4.3.2 算法总体流程 | 第43-44页 |
| 4.3.3 算法详细实现过程 | 第44-45页 |
| 4.4 实验结果分析 | 第45-52页 |
| 4.4.1 特征对超分辨率效果的影响 | 第45-46页 |
| 4.4.2 去模糊正则项对超分辨率效果的影响 | 第46-48页 |
| 4.4.3 字典规模对超分辨率效果的影响 | 第48-49页 |
| 4.4.4 不同方法的对比 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
