| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 图像超分辨率重建原理 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 本文的主要工作及内容安排 | 第16-19页 |
| 1.4.1 本文的主要工作 | 第16-17页 |
| 1.4.2 本文的内容安排 | 第17-19页 |
| 第二章 相关理论及算法 | 第19-36页 |
| 2.1 稀疏表示理论 | 第19-31页 |
| 2.1.1 稀疏表示模型 | 第19-21页 |
| 2.1.2 稀疏表示模型的优化算法 | 第21-27页 |
| 2.1.2.1 匹配追踪算法 | 第21-22页 |
| 2.1.2.2 正交匹配追踪算法 | 第22-23页 |
| 2.1.2.3 分段正交匹配追踪算法 | 第23-24页 |
| 2.1.2.4 正则化正交匹配追踪算法 | 第24-26页 |
| 2.1.2.5 压缩采样匹配追踪算法 | 第26-27页 |
| 2.1.3 过完备字典的训练方法 | 第27-31页 |
| 2.1.3.1 最佳方向算法 | 第27-28页 |
| 2.1.3.1 最大似然法 | 第28-29页 |
| 2.1.3.2 广义PCA算法 | 第29-30页 |
| 2.1.3.3 K-SVD算法 | 第30-31页 |
| 2.2 基于稀疏表示的超分辨率重建算法 | 第31-33页 |
| 2.2.1 Yang的图像超分辨率重建算法 | 第31-32页 |
| 2.2.2 Zeyde的图像超分辨率重建算法 | 第32-33页 |
| 2.3 基于邻域回归的图像超分辨率重建算法 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于加权的人脸图像超分辨率重建算法 | 第36-51页 |
| 3.1 算法原理 | 第36-38页 |
| 3.2 通过信息熵来赋予权重 | 第38-40页 |
| 3.3 通过Adaboost算法来赋予权重 | 第40-43页 |
| 3.4 实验与分析 | 第43-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 去除各种面部变化的人脸图像超分辨率重建算法 | 第51-65页 |
| 4.1 算法原理 | 第51-54页 |
| 4.2 矩阵的低秩分解 | 第54-57页 |
| 4.3 实验与分析 | 第57-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表论文及科研情况 | 第72-73页 |
| 致谢 | 第73页 |