| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 图像超分辨率重建算法的分类 | 第15-22页 |
| 2.1 基于插值的图像超分辨率重建方法 | 第15-18页 |
| 2.2 基于学习的图像超分辨率重建算法分类 | 第18-21页 |
| 2.2.1 基于 MRF 的图像超分辨率重建方法 | 第18-19页 |
| 2.2.2 基于 LLE 的图像超分辨率重建方法 | 第19-20页 |
| 2.2.3 基于稀疏表示的图像超分辨率重建方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于稀疏表示的图像超分辨重建算法 | 第22-34页 |
| 3.1 稀疏表示的基本原理 | 第22-24页 |
| 3.2 图像超分辨率重建算法的设计 | 第24-26页 |
| 3.3 样本集抽取 | 第26-27页 |
| 3.4 改进的字典训练方法 | 第27-30页 |
| 3.4.1 图像的特征提取 | 第27-28页 |
| 3.4.2 利用改进的 2DPCA 降低特征维数 | 第28-29页 |
| 3.4.3 K-SVD 算法 | 第29-30页 |
| 3.5 高分辨率图像的重建 | 第30页 |
| 3.6 实验结果对比与分析 | 第30-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第4章 通过自适应稀疏域选择的图像超分辨率重建算法 | 第34-52页 |
| 4.1 图像超分辨率重建与自适应稀疏域选择的关系 | 第34-36页 |
| 4.2 自适应稀疏域选择重建算法 | 第36-41页 |
| 4.2.1 子字典的学习 | 第38-39页 |
| 4.2.2 子字典的自适应选择 | 第39-40页 |
| 4.2.3 自适应加权稀疏正则化 | 第40-41页 |
| 4.3 空间自适应正则化 | 第41-43页 |
| 4.3.1 自适应选择 AR 模型的正则化 | 第41-42页 |
| 4.3.2 非局部相似性自适应模型的正则化 | 第42-43页 |
| 4.4 算法实现的关键步骤 | 第43-44页 |
| 4.5 实验结果和分析 | 第44-51页 |
| 4.5.1 训练数据集 | 第44-45页 |
| 4.5.2 图像分块尺寸的选取 | 第45-46页 |
| 4.5.3 不同算法图像超分辨率重建的结果比较和分析 | 第46-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |