| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题的背景及研究的目的和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第2章 图像超分辨率重建算法的分类 | 第18-32页 |
| 2.1 基于插值的图像超分辨率重建算法分类 | 第19-22页 |
| 2.1.1 最近邻插值法 | 第20页 |
| 2.1.2 双线性插值法 | 第20-21页 |
| 2.1.3 双三次插值法 | 第21-22页 |
| 2.2 基于重建的图像超分辨率重建算法分类 | 第22-25页 |
| 2.2.1 凸集投影法 | 第23-24页 |
| 2.2.2 迭代反投影法 | 第24-25页 |
| 2.2.3 统计法 | 第25页 |
| 2.3 基于学习的图像超分辨率重建算法分类 | 第25-31页 |
| 2.3.1 样例法 | 第26-29页 |
| 2.3.2 近邻嵌入法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于稀疏算法的图像表示及字典的构建 | 第32-38页 |
| 3.1 图像稀疏表示模型建立 | 第32-36页 |
| 3.1.1 基于范数的稀疏度考量 | 第33-35页 |
| 3.1.2 稀疏表示的构建和改进 | 第35-36页 |
| 3.2 基于稀疏表示字典的建立 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于优化的字典学习方法的超分辨率图像重建 | 第38-47页 |
| 4.1 基于改进的双字典构建方法 | 第38-43页 |
| 4.1.1 训练样本的收集与优化 | 第38-41页 |
| 4.1.2 基于K-SVD的双空间、双字典训练方法 | 第41-42页 |
| 4.1.3 内容分类结构字典训练步骤方案 | 第42-43页 |
| 4.2 基于稀疏表示的超分辨图像重建 | 第43-46页 |
| 4.2.1 稀疏表示的图像重建 | 第43-44页 |
| 4.2.2 采用稀疏表示进行图像重建的算法 | 第44-45页 |
| 4.2.3 本文图像重建的整体流程方案 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 实验结果与分析 | 第47-56页 |
| 5.1 基本重建方法的实验结果与对比 | 第47-51页 |
| 5.2 本文字典学习花费时间对比 | 第51-52页 |
| 5.3 本文图像重建结果对比 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第61页 |