| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要内容及组织安排 | 第11-13页 |
| 第二章 运动配准算法研究 | 第13-27页 |
| 2.1 概述 | 第13页 |
| 2.2 基于改进的像素递归的运动配准算法 | 第13-17页 |
| 2.2.1 像素递归运动估计 | 第13-15页 |
| 2.2.2 基于梯度的像素提取 | 第15-17页 |
| 2.3 结合块匹配和像素递归的运动配准算法 | 第17-21页 |
| 2.3.1 块匹配运动估计 | 第18-19页 |
| 2.3.2 运动配准具体实现 | 第19-21页 |
| 2.4 实验结果及分析 | 第21-27页 |
| 2.4.1 仿真图像运动配准 | 第21-22页 |
| 2.4.2 含噪图像运动配准 | 第22-24页 |
| 2.4.3 实际实验的运动配准 | 第24-27页 |
| 第三章 基于稀疏表示的多帧图像超分辨率重建算法研究 | 第27-47页 |
| 3.1 概述 | 第27页 |
| 3.2 稀疏表示模型 | 第27-28页 |
| 3.3 基于稀疏表示的超分辨率重建算法 | 第28-31页 |
| 3.3.1 字典训练 | 第29页 |
| 3.3.2 稀疏编码优化算法 | 第29-31页 |
| 3.4 局部结构自适应的稀疏表示图像重建算法 | 第31-37页 |
| 3.4.1 子字典学习 | 第31-33页 |
| 3.4.2 局部结构相似性稀疏模型 | 第33-34页 |
| 3.4.3 稀疏表示系数估计 | 第34-35页 |
| 3.4.4 自适应设定正则参数 | 第35-36页 |
| 3.4.5 迭代收缩算法求解 | 第36-37页 |
| 3.5 实验结果及分析 | 第37-47页 |
| 3.5.1 图像重建的评价指标 | 第37-38页 |
| 3.5.2 仿真图像的实验比较 | 第38-43页 |
| 3.5.3 实际图像的实验比较 | 第43-47页 |
| 第四章 基于稀疏表示的单帧图像超分辨率重建算法研究 | 第47-61页 |
| 4.1 概述 | 第47页 |
| 4.2 基于非局部自回归稀疏字典学习的图像重建算法 | 第47-53页 |
| 4.2.1 建立非局部自回归模型 | 第47-49页 |
| 4.2.2 各向异性扩散去噪 | 第49-50页 |
| 4.2.3 训练过完备联合字典 | 第50-52页 |
| 4.2.4 变量分离迭代求解 | 第52-53页 |
| 4.3 实验结果及分析 | 第53-61页 |
| 4.3.1 仿真图像的实验比较 | 第53-56页 |
| 4.3.2 实际图像的实验比较 | 第56-61页 |
| 第五章 超分辨率图像重建软件开发 | 第61-75页 |
| 5.1 概述 | 第61页 |
| 5.2 软件功能与架构 | 第61页 |
| 5.3 软件开发环境 | 第61-62页 |
| 5.4 主要模块软件实现 | 第62-67页 |
| 5.4.1 运动配准模块 | 第62-64页 |
| 5.4.2 多帧图像超分辨率重建模块 | 第64-65页 |
| 5.4.3 单帧图像超分辨率重建模块 | 第65-67页 |
| 5.5 软件测试 | 第67-75页 |
| 5.5.1 软件功能测试 | 第67-72页 |
| 5.5.2 软件性能测试 | 第72-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的学术成果 | 第83页 |
