| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 超分辨率图像重建的研究现状 | 第9-13页 |
| 1.2.1 基于插值的超分辨率图像重建 | 第10页 |
| 1.2.2 基于重建的超分辨率重建 | 第10-11页 |
| 1.2.3 基于学习的超分辨率图像重建 | 第11-13页 |
| 1.3 本文的结构安排 | 第13-14页 |
| 第二章 稀疏表示相关理论基础 | 第14-25页 |
| 2.1 退化模型 | 第14-15页 |
| 2.2 稀疏表示相关理论 | 第15-17页 |
| 2.2.1 压缩感知理论 | 第15-16页 |
| 2.2.2 稀疏表示模型 | 第16-17页 |
| 2.3 稀疏分解算法 | 第17-19页 |
| 2.3.1 贪婪算法 | 第17-18页 |
| 2.3.2 凸松弛算法 | 第18-19页 |
| 2.4 稀疏表示的字典构造 | 第19-22页 |
| 2.4.1 字典学习的优化模型 | 第19-20页 |
| 2.4.2 MOD字典学习算法 | 第20页 |
| 2.4.3 K-SVD字典学习算法 | 第20-21页 |
| 2.4.4 GPCA结构字典学习 | 第21-22页 |
| 2.5 图像质量评价 | 第22-24页 |
| 2.5.1 主观质量评价方法 | 第22-23页 |
| 2.5.2 客观质量评价方法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于稀疏表示的图像超分辨率重建算法 | 第25-34页 |
| 3.1 基于稀疏表示的图像超分辨率重建算法 | 第25-30页 |
| 3.1.1 联合冗余字典训练 | 第26-30页 |
| 3.1.2 稀疏系数求解 | 第30页 |
| 3.1.3 图像重建 | 第30页 |
| 3.2 图像的插值算法 | 第30-32页 |
| 3.2.1 双线性插值 | 第31页 |
| 3.2.2 双三次插值 | 第31-32页 |
| 3.3 实验对比 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于稀疏表示的图像超分辨率重建的改进 | 第34-47页 |
| 4.1 特征提取滤波器的改进 | 第34-36页 |
| 4.2 HC-OMP算法 | 第36-42页 |
| 4.2.1 层次聚类算法 | 第37-38页 |
| 4.2.2 层次聚类-正交匹配算法(HC-OMP) | 第38-42页 |
| 4.3 基于稀疏表示的图像超分辨率重建的改进 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 改进算法的实验与分析 | 第47-56页 |
| 5.1 实验环境和关键参数设定 | 第47-48页 |
| 5.1.1 实验环境 | 第47页 |
| 5.1.2 参数的设定 | 第47-48页 |
| 5.2 改进算法实验与分析 | 第48-55页 |
| 5.2.1 改进滤波器实验与分析 | 第48-52页 |
| 5.2.2 HC-OMP算法实验与分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 论文工作的总结 | 第56-57页 |
| 6.2 今后工作的展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表论文 | 第62页 |