| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 图像超分辨率算法的研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 1.4 本文的章节安排 | 第12-15页 |
| 2 图像超分辨率算法概述 | 第15-27页 |
| 2.1 图像的降质模型 | 第15页 |
| 2.2 基于插值的图像超分辨率算法 | 第15-19页 |
| 2.2.1 最近邻插值 | 第16页 |
| 2.2.2 双线性插值 | 第16-18页 |
| 2.2.3 双立方插值 | 第18-19页 |
| 2.3 基于重建的图像超分辨率算法 | 第19-21页 |
| 2.3.1 迭代反向投影算法 | 第19-20页 |
| 2.3.2 最大后验概率算法 | 第20页 |
| 2.3.3 凸集投影算法 | 第20-21页 |
| 2.4 基于学习的图像超分辨率算法 | 第21-24页 |
| 2.4.1 基于样例的图像超分辨率算法 | 第21-22页 |
| 2.4.2 基于邻域嵌入的图像超分辨率算法 | 第22-23页 |
| 2.4.3 基于稀疏表示的图像超分辨率算法 | 第23页 |
| 2.4.4 基于深度学习的图像超分辨率算法 | 第23-24页 |
| 2.5 评价指标 | 第24-26页 |
| 2.5.1 峰值信噪比 | 第25页 |
| 2.5.2 结构相似性 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于三次样条插值和迭代更新的超分辨率算法 | 第27-35页 |
| 3.1 利用Prewitt算子检测图像中的边缘像素点 | 第27-28页 |
| 3.2 边缘像素点的处理 | 第28-29页 |
| 3.3 平滑像素点的处理 | 第29-30页 |
| 3.4 本论文所采用的的实验测试图的原图 | 第30-31页 |
| 3.5 测试图像的利用和处理 | 第31页 |
| 3.6 实验结果 | 第31-34页 |
| 3.7 实验结果讨论 | 第34页 |
| 3.8 本章小结 | 第34-35页 |
| 4 基于一致性区域的超分辨率算法 | 第35-42页 |
| 4.1 待插值像素点的分类 | 第35页 |
| 4.2 确定参与待插值点滤波的像素点的集合 | 第35-38页 |
| 4.3 双边滤波器滤波 | 第38-39页 |
| 4.4 实验结果 | 第39-41页 |
| 4.5 实验结果讨论 | 第41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 三维邻域嵌入和相乘因子下的超分辨率算法 | 第42-54页 |
| 5.1 原始的邻域嵌入算法 | 第42-44页 |
| 5.2 本文算法 | 第44-48页 |
| 5.2.1 低分辨率图像块的特征提取 | 第46-47页 |
| 5.2.2 高分辨率图像块的特征提取 | 第47页 |
| 5.2.3 训练集聚类 | 第47-48页 |
| 5.3 实验结果 | 第48-52页 |
| 5.4 实验结果讨论 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-65页 |