基于稀疏表示的图像超分辨率算法及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题的背景及意义 | 第8-9页 |
| 1.2 超分辨的定义 | 第9-10页 |
| 1.2.1 超分辨的定义 | 第9-10页 |
| 1.2.2 超分辨与其他图像处理方法的关系 | 第10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 基于插值的方法 | 第10-13页 |
| 1.3.2 基于重建的方法 | 第13-14页 |
| 1.3.3 基于学习的方法 | 第14-15页 |
| 1.3.4 基于稀疏表示的方法 | 第15-16页 |
| 1.4 章节安排 | 第16-18页 |
| 第2章 图像超分辨率重建方法基础 | 第18-31页 |
| 2.1 图像的退化及超分辨率重建 | 第18-21页 |
| 2.2 稀疏表示的基本原理 | 第21-22页 |
| 2.3 图像的稀疏超分辨率重建原理 | 第22-27页 |
| 2.3.1 过完备稀疏表示 | 第22-24页 |
| 2.3.2 稀疏优化方法 | 第24-27页 |
| 2.4 超分辨重建效果评价 | 第27-30页 |
| 2.4.1 峰值信噪比指标 | 第28-29页 |
| 2.4.2 结构相似度指标 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于联合字典的稀疏超分辨率重建 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 稀疏超分辨率算法 | 第32-34页 |
| 3.3 关键技术一. 高低分辨率字典的构成与训练 | 第34-36页 |
| 3.3.1 单个字典的训练 | 第34-35页 |
| 3.3.2 高低分辨率字典 | 第35-36页 |
| 3.4 关键技术二. 图像的特征提取 | 第36-39页 |
| 3.4.1 梯度特征提取 | 第37-39页 |
| 3.5 仿真实验 | 第39-44页 |
| 3.5.1 样本集的选取和字典的训练 | 第39-41页 |
| 3.5.2 低分辨率图像的超分辨率重建 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于非下采样轮廓波的稀疏超分辨率重建 | 第45-64页 |
| 4.1 超分辨率重建算法框架 | 第45-46页 |
| 4.2 字典的训练 | 第46-47页 |
| 4.3 低分辨率图像的特征提取 | 第47-54页 |
| 4.3.1 非下采样轮廓波变换 | 第48-52页 |
| 4.3.2 低分辨率图像的非下采样轮廓波变换特征 | 第52-54页 |
| 4.3.3 改进的特征提取方法 | 第54页 |
| 4.4 仿真结果及讨论 | 第54-63页 |
| 4.4.1 各种方案的重建结果 | 第54-59页 |
| 4.4.2 不同权重因子时的重建结果 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 稀疏超分辨率重建在医学图像上的应用 | 第64-75页 |
| 5.1 引言 | 第64页 |
| 5.2 乳腺 X 射线图像的超分辨率重建 | 第64-70页 |
| 5.2.1 乳腺 X 射线图像的对比度增强 | 第65-67页 |
| 5.2.2 乳腺 X 射线图像的超分辨重建 | 第67-70页 |
| 5.3 核磁共振图像的超分辨率重建 | 第70-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间发表的学术论文 | 第81-83页 |
| 致谢 | 第83页 |
