摘要 | 第5-8页 |
Abstract | 第8-10页 |
第1章 绪论 | 第14-30页 |
1.1 课题研究背景及意义 | 第14-19页 |
1.2 超分辨成像技术的概念 | 第19-20页 |
1.3 相关领域的研究现状 | 第20-27页 |
1.3.1 基于插值的超分辨技术 | 第21-23页 |
1.3.2 基于重构的超分辨技术 | 第23-25页 |
1.3.3 基于学习的超分辨技术 | 第25-27页 |
1.4 论文主要研究内容和组织结构 | 第27-30页 |
第2章 航空超分辨问题理论分析 | 第30-44页 |
2.1 引言 | 第30页 |
2.2 航空图像分辨率 | 第30-32页 |
2.2.1 空间分辨率 | 第31页 |
2.2.2 光学系统分辨率 | 第31-32页 |
2.3 航空图像降质模型 | 第32-37页 |
2.3.1 成像模式 | 第32-34页 |
2.3.2 物理观测模型 | 第34页 |
2.3.3 线性系统降质模型 | 第34-36页 |
2.3.4 影响降质因素 | 第36-37页 |
2.4 超分辨成像技术的逆问题与病态问题 | 第37-38页 |
2.5 亚像元成像技术 | 第38-40页 |
2.6 超分辨成像质量评价 | 第40-43页 |
2.6.1 主观评价方法 | 第40-41页 |
2.6.2 客观评价方法 | 第41-43页 |
2.7 本章小结 | 第43-44页 |
第3章 关于Papoulis-Gerchberg的超分辨改进技术研究 | 第44-66页 |
3.1 引言 | 第44-45页 |
3.2 Papoulis-Gerchberg原理 | 第45-47页 |
3.3 图像配准 | 第47-52页 |
3.4 改进的Papoulis-Gerchberg算法 | 第52-60页 |
3.4.1 多幅误差反投影 | 第52-56页 |
3.4.2 边缘细节恢复 | 第56-60页 |
3.5 实验和结果 | 第60-65页 |
3.5.1 仿真实验 | 第60-62页 |
3.5.2 实景实验 | 第62-65页 |
3.6 本章小结 | 第65-66页 |
第4章 多幅亚象元自学习LLE超分辨改进技术研究 | 第66-82页 |
4.1 引言 | 第66-68页 |
4.2 传统局部线性嵌入算法分析 | 第68-69页 |
4.3 多幅亚象元自学习LLE方法 | 第69-74页 |
4.3.1 改进的LLE方法 | 第70-72页 |
4.3.2 高频细节信息恢复 | 第72-73页 |
4.3.3 重构平滑和简化处理 | 第73-74页 |
4.4 实验与分析 | 第74-81页 |
4.4.1 仿真实验的算法处理效果 | 第74-77页 |
4.4.2 实景航拍实验算法处理效果 | 第77-81页 |
4.5 本章小结 | 第81-82页 |
第5章 关于字典的多幅超分辨技术探讨研究 | 第82-104页 |
5.1 引言 | 第82-84页 |
5.2 图像稀疏模型 | 第84-87页 |
5.3 基于自学习字典的多幅超分辨重构方法 | 第87-95页 |
5.3.1 自学习方法 | 第87-89页 |
5.3.2 联合学习字典方法 | 第89-91页 |
5.3.3 重构融合和全局约束 | 第91-95页 |
5.4 实验与分析 | 第95-101页 |
5.4.1 仿真实验 | 第95-98页 |
5.4.2 实景和航拍实验 | 第98-101页 |
5.5 本章小结 | 第101-104页 |
第6章 高性能自适应的超分辨算法研究 | 第104-120页 |
6.1 引言 | 第104-105页 |
6.2 GPU原理 | 第105-106页 |
6.3 基于自适应的高性能超分辨算法 | 第106-113页 |
6.3.1 创建图像块方式 | 第106-108页 |
6.3.2 基于自适应方法重构高分辨率图像初始估计以及高频信息恢复方法 | 第108-111页 |
6.3.3 GPU优化 | 第111-112页 |
6.3.4 基于重构的边缘先验约束 | 第112-113页 |
6.4 实验与分析 | 第113-118页 |
6.4.1 仿真实验 | 第113-115页 |
6.4.2 实景实验 | 第115-118页 |
6.5 本章小结 | 第118-120页 |
第7章 总结与展望 | 第120-124页 |
7.1 全文总结 | 第120-122页 |
7.2 研究展望 | 第122-124页 |
参考文献 | 第124-136页 |
在学期间学术成果情况 | 第136-138页 |
指导教师及作者简介 | 第138-140页 |
致谢 | 第140-141页 |