| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像超分辨率重建技术 | 第10-12页 |
| 1.3 图像质量评价指标 | 第12-13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 本文内容安排 | 第14-17页 |
| 第二章 常用的图像超分辨率重建方法 | 第17-33页 |
| 2.1 典型图像退化模型 | 第17-19页 |
| 2.2 基于插值的超分辨率重建方法 | 第19-23页 |
| 2.2.1 最近邻插值算法 | 第19-20页 |
| 2.2.2 双线性插值算法 | 第20-21页 |
| 2.2.3 双三次插值算法 | 第21-23页 |
| 2.3 基于重建的超分辨率重建方法 | 第23-25页 |
| 2.3.1 迭代反向投影法 | 第23-24页 |
| 2.3.2 凸集投影法 | 第24-25页 |
| 2.4 基于学习的超分辨率重建方法 | 第25-32页 |
| 2.4.1 基于示例的方法 | 第26-29页 |
| 2.4.2 邻域嵌入的方法 | 第29-32页 |
| 2.5 小结 | 第32-33页 |
| 第三章 块haar小波特征提取结合稀疏编码的图像超分辨率重建 | 第33-53页 |
| 3.1 稀疏编码理论及算法 | 第33-39页 |
| 3.1.1 信号的稀疏编码理论 | 第33-35页 |
| 3.1.2 信号的稀疏编码算法 | 第35-39页 |
| 3.2 稀疏编码图像超分辨率重建步骤 | 第39-43页 |
| 3.2.1 图像库的采集 | 第39页 |
| 3.2.2 训练样本集的构造 | 第39-40页 |
| 3.2.3 过完备学习字典的训练 | 第40-41页 |
| 3.2.4 LR图像的超分辨率重建 | 第41-43页 |
| 3.3 块haar小波特征提取 | 第43-45页 |
| 3.4 块haar小波特征提取结合稀疏编码的图像超分辨率重建 | 第45-51页 |
| 3.4.1 数学模型 | 第46页 |
| 3.4.2 数值实现 | 第46-48页 |
| 3.4.3 实验结果与分析 | 第48-51页 |
| 3.5 小结 | 第51-53页 |
| 第四章 低秩融合结合稀疏编码的图像超分辨率重建 | 第53-69页 |
| 4.1 SURF结合RANSAC算法特征提取 | 第53-60页 |
| 4.1.1 SURF算法特征提取 | 第54-58页 |
| 4.1.2 RANSAC算法剔除误匹配点 | 第58-60页 |
| 4.2 低秩图像融合 | 第60-63页 |
| 4.2.1 低秩矩阵求解 | 第60-61页 |
| 4.2.2 低秩图像融合 | 第61-63页 |
| 4.3 低秩融合结合稀疏编码的图像超分辨率重建 | 第63-68页 |
| 4.3.1 重建模型 | 第63-65页 |
| 4.3.2 数值实现 | 第65页 |
| 4.3.3 实验结果与分析 | 第65-68页 |
| 4.4 小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77-79页 |
| 攻读硕士学位期间取得的科研成果 | 第79-81页 |
| 致谢 | 第81页 |