| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 数字电视的后处理算法 | 第13页 |
| 1.2 视频的超分辨及其应用 | 第13-15页 |
| 1.3 视频的细节增强及其应用 | 第15页 |
| 1.4 视频的帧率上变换及其应用 | 第15-16页 |
| 1.5 本文研究的主要问题和结构 | 第16-19页 |
| 第二章 自相似模型和基于图像自相似模型的超分辨算法 | 第19-51页 |
| 2.1 图像的自相似模型 | 第19-22页 |
| 2.2 视频超分辨算法的综述 | 第22-26页 |
| 2.2.1 基于插值的视频超分辨算法 | 第23-24页 |
| 2.2.2 基于重建的视频超分辨算法 | 第24-25页 |
| 2.2.3 基于机器学习的视频超分辨算法 | 第25-26页 |
| 2.3 基于图像自相似模型的超分辨算法 | 第26-35页 |
| 2.3.1 超分辨算法的具体流程 | 第26-28页 |
| 2.3.2 搜索和匹配的具体流程 | 第28-31页 |
| 2.3.3 自相似超分辨算法的实验结果 | 第31-35页 |
| 2.4 改进的图像自相似的模型 | 第35-45页 |
| 2.4.1 片元效应的检测和改善 | 第35-40页 |
| 2.4.2 平坦区域伪高频的检测和改善 | 第40-45页 |
| 2.5 超分辨算法在视频去隔行中的应用 | 第45-49页 |
| 2.5.1 传统视频去隔行的算法 | 第45-47页 |
| 2.5.2 基于自相似超分辨算法的视频去隔行算法 | 第47-49页 |
| 2.6 易于硬件实现的算法简化和仿真测试 | 第49-50页 |
| 2.7 本章小结 | 第50-51页 |
| 第三章 基于自相似模型的视频细节增强算法 | 第51-76页 |
| 3.1 视频细节增强算法的综述 | 第51-52页 |
| 3.1.1 基于频域的视频增强算法 | 第51-52页 |
| 3.1.2 基于空域的视频增强算法 | 第52页 |
| 3.2 导向滤波和基于最小二乘法图像细节增强算法简介 | 第52-59页 |
| 3.2.1 基于导向滤波的图像细节增强算法 | 第52-57页 |
| 3.2.2 基于加权最小二乘法的图像细节增强算法 | 第57-59页 |
| 3.3 基于自相似模型的图像细节增强算法 | 第59-65页 |
| 3.3.1 自相似模型增强算法框架 | 第59-63页 |
| 3.3.2 搜索模式的改变：图像的本位相似性 | 第63-65页 |
| 3.4 算法的鲁棒性测试 | 第65-72页 |
| 3.5 易于硬件实现的算法简化和仿真测试 | 第72-75页 |
| 3.5.1 基于自相似模型的1次搜索算法 | 第72-74页 |
| 3.5.2 基于自相似模型的0次搜索算法 | 第74-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第四章 基于自相似模型的视频帧率上变换算法 | 第76-97页 |
| 4.1 视频帧率上变换算法的综述 | 第76-79页 |
| 4.2 基于三维递归搜索的帧率上变换算法 | 第79-85页 |
| 4.3 基于图像自相似模型的视频帧率上变换算法 | 第85-91页 |
| 4.3.1 算法的主要的实现框架 | 第85-89页 |
| 4.3.2 运动矢量聚类去野值和加权SAD修正 | 第89-91页 |
| 4.4 易于硬件实现的算法简化和仿真测试 | 第91-92页 |
| 4.5 实验结果 | 第92-96页 |
| 4.6 本章小结 | 第96-97页 |
| 第五章 结束语 | 第97-98页 |
| 5.1 主要工作与创新点 | 第97页 |
| 5.2 后续研究工作 | 第97-98页 |
| 参考文献 | 第98-102页 |
| 致谢 | 第102-103页 |
| 攻读硕士学位期间已发表或录用的论文 | 第103页 |