中文摘要 | 第3-5页 |
英文摘要 | 第5-7页 |
1 绪论 | 第11-27页 |
1.1 课题研究的背景及意义 | 第11-14页 |
1.2 图像超分辨率重建方法的研究现状 | 第14-23页 |
1.2.1 图像超分辨率重建方法的数学模型 | 第14-16页 |
1.2.2 图像超分辨率重建方法概述 | 第16-23页 |
1.3 图像超分辨率重建方法的质量评价指标 | 第23-24页 |
1.4 论文的主要工作 | 第24-25页 |
1.5 论文结构的安排 | 第25-26页 |
1.6 本章小结 | 第26-27页 |
2 基于双稀疏正则化稀疏表示的图像超分辨率重建方法 | 第27-53页 |
2.1 引言 | 第27-28页 |
2.2 相关知识介绍 | 第28-31页 |
2.2.1 传统稀疏表示模型的理论基础 | 第28页 |
2.2.2 PCA字典构造 | 第28-29页 |
2.2.3 经典的迭代收敛解法 | 第29-30页 |
2.2.4 图像固有的行和列先验信息 | 第30-31页 |
2.3 双稀疏正则化稀疏表示模型 | 第31-35页 |
2.3.1 联合列与行先验的稀疏表示模型 | 第31-34页 |
2.3.2 字典选择 | 第34-35页 |
2.4 方法的求解 | 第35-36页 |
2.5 基于双稀疏正则化稀疏表示的单幅图像超分辨率重建算法流程 | 第36-37页 |
2.6 实验结果与分析 | 第37-52页 |
2.6.1 实验环境及参数的设置 | 第38页 |
2.6.2 无噪声实验 | 第38-42页 |
2.6.3 噪声实验 | 第42-44页 |
2.6.4 算法参数的研究 | 第44-49页 |
2.6.5 行非局部自相似正则项的有效性 | 第49-51页 |
2.6.6 算法时间复杂度与收敛性能 | 第51-52页 |
2.7 本章小结 | 第52-53页 |
3 基于低秩约束和非局部自相似性稀疏表示的图像超分辨率重建方法 | 第53-73页 |
3.1 引言 | 第53-54页 |
3.2 相关知识介绍 | 第54-55页 |
3.3 基于低秩约束和非局部自相似性的稀疏表示模型 | 第55-59页 |
3.3.1 低秩约束和非局部自相似性 | 第55-57页 |
3.3.2 字典选择 | 第57页 |
3.3.3 数值求解 | 第57-58页 |
3.3.4 提出的稀疏表示模型的单幅图像超分辨率重建算法流程 | 第58-59页 |
3.4 实验结果与分析 | 第59-72页 |
3.4.1 实验环境及参数的设置 | 第60-62页 |
3.4.2 无噪声实验 | 第62-64页 |
3.4.3 噪声实验 | 第64-66页 |
3.4.4 算法参数的研究 | 第66-70页 |
3.4.5 低秩约束正则项的有效性 | 第70-71页 |
3.4.6 算法的收敛性能 | 第71-72页 |
3.5 本章小结 | 第72-73页 |
4 基于全局非零梯度惩罚和非局部Laplacian稀疏编码的图像超分辨率重建方法 | 第73-101页 |
4.1 引言 | 第73-75页 |
4.2 相关知识介绍 | 第75-80页 |
4.2.1 传统的联合字典训练的数学描述 | 第75-76页 |
4.2.2 有效的稀疏编码算法 | 第76-79页 |
4.2.3 局部的可操作核回归 | 第79-80页 |
4.3 提出的重建方法 | 第80-90页 |
4.3.1 全局梯度惩罚模型重建边缘成分图像 | 第80-82页 |
4.3.2 非局部Laplacian稀疏表示模型重建纹理细节成分图像 | 第82-89页 |
4.3.3 全局和局部优化模型提升重建的初始图像 | 第89-90页 |
4.3.4 重建方法的框架和算法流程 | 第90页 |
4.4 算法时间复杂度 | 第90-92页 |
4.5 实验结果与分析 | 第92-99页 |
4.5.1 实验配置 | 第92-94页 |
4.5.2 无噪声实验 | 第94-98页 |
4.5.3 噪声实验 | 第98-99页 |
4.6 本章小结 | 第99-101页 |
5 全文总结与展望 | 第101-103页 |
5.1 全文总结 | 第101-102页 |
5.2 进一步研究工作的展望 | 第102-103页 |
致谢 | 第103-105页 |
参考文献 | 第105-115页 |
附录 | 第115页 |
A. 作者在攻读博士学位期间已发表或已投稿的论文目录 | 第115页 |
B. 作者在攻读博士学位期间取得的科研成果目录 | 第115页 |
C. 作者在攻读博士学位期间参加的科研项目目录 | 第115页 |