| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 图像超分辨率重建研究背景和意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-20页 |
| 1.2.1 基于插值的方法 | 第13-14页 |
| 1.2.2 基于重建的方法 | 第14-16页 |
| 1.2.3 基于学习的方法 | 第16-20页 |
| 1.3 存在的问题 | 第20页 |
| 1.4 论文研究内容以及组织结构 | 第20-22页 |
| 第二章 算法相关理论基础 | 第22-31页 |
| 2.1 图像退化的数学模型 | 第22页 |
| 2.2 局部线性嵌入算法 | 第22-25页 |
| 2.3 基于稀疏表示超分辨率重建 | 第25-26页 |
| 2.4 字典学习方法 | 第26-29页 |
| 2.4.1 单一过完备字典 | 第26-27页 |
| 2.4.2 最优方向法(Method of Optimal Directions,MOD) | 第27-28页 |
| 2.4.3 K-奇异值分解(K-SVD) | 第28-29页 |
| 2.5 超分辨率重建算法性能评价指标 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于预放大非负邻域嵌入的人脸超分辨率重建 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 传统邻域嵌入算法描述 | 第31-33页 |
| 3.3 基于预放大非负限制邻域嵌入的人脸超分辨率重建 | 第33-36页 |
| 3.3.1 预放大非负限制 | 第33-34页 |
| 3.3.2 迭代邻域嵌入 | 第34-35页 |
| 3.3.3 总体算法 | 第35-36页 |
| 3.5 实验结果与讨论 | 第36-43页 |
| 3.5.1 实验设计与参数设置 | 第39-40页 |
| 3.5.2 实验结果与分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于改进的在线字典学习图像超分辨率重建算法 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 在线字典学习 | 第44-45页 |
| 4.3 基于改进的在线字典学习图像超分辨率重建 | 第45-48页 |
| 4.3.1 基于稀疏表示的SISR | 第46页 |
| 4.3.2 利用多尺度自相似性调整稀疏系数 | 第46-47页 |
| 4.3.3 总体算法 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-55页 |
| 4.4.1 实验参数设置 | 第48-50页 |
| 4.4.2 实验结果 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于学习超分辨率系统实现 | 第56-66页 |
| 5.1 系统需求分析 | 第56-57页 |
| 5.2 实验系统的设计和实现 | 第57-65页 |
| 5.2.1 平台配置 | 第57-58页 |
| 5.2.2 界面设计及系统功能实现 | 第58-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 存在问题与研究展望 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |
