| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 研究现状及发展趋势 | 第12-16页 |
| 1.3 本文主要工作及创新点 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第二章 图像超分辨率重构理论 | 第18-26页 |
| 2.1 图像退化模型 | 第18-19页 |
| 2.2 图像超分辨率重构算法 | 第19-24页 |
| 2.2.1 插值型重构方法 | 第19-21页 |
| 2.2.2 重建型重构方法 | 第21-22页 |
| 2.2.3 学习型重构方法 | 第22-24页 |
| 2.3 超分辨率重构算法评价标准 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 经典的基于稀疏表示的学习型人脸超分辨率算法 | 第26-38页 |
| 3.1 图像的稀疏表示模型 | 第26-29页 |
| 3.1.1 传统的稀疏表示模型 | 第26-27页 |
| 3.1.2 二维稀疏表示模型 | 第27-29页 |
| 3.2 基于稀疏表示的人脸超分辨率算法 | 第29-33页 |
| 3.2.1 算法的理论依据 | 第29-30页 |
| 3.2.2 算法的训练阶段 | 第30-32页 |
| 3.2.3 算法的重构阶段 | 第32-33页 |
| 3.3 仿真实验及分析 | 第33-36页 |
| 3.3.1 经典算法的重构效果 | 第33-35页 |
| 3.3.2 正则化参数对重构的影响 | 第35-36页 |
| 3.3.3 分块对重构的影响 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 改进二维稀疏表示方法及设计重构算法 | 第38-52页 |
| 4.1 改进的二维稀疏表示方法 | 第38-44页 |
| 4.1.1 模型权值的改进 | 第38-40页 |
| 4.1.2 模型改进后的二维稀疏系数求解 | 第40-41页 |
| 4.1.3 字典原子的优化 | 第41-44页 |
| 4.2 人脸的局部分块方法 | 第44-45页 |
| 4.3 基于改进二维稀疏表示的人脸超分辨率重构算法 | 第45-50页 |
| 4.3.1 本文算法的理论依据 | 第45-46页 |
| 4.3.2 本文算法的训练阶段 | 第46-47页 |
| 4.3.3 本文算法的重构阶段 | 第47-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 仿真实验及结果分析 | 第52-62页 |
| 5.1 人脸数据库的选取及预处理 | 第52-53页 |
| 5.2 仿真实验及结果分析 | 第53-60页 |
| 5.2.1 重构算法的重构效果 | 第53-55页 |
| 5.2.2 相邻列权值的改变对重构的影响 | 第55-58页 |
| 5.2.3 字典原子的优化对重构的影响 | 第58-60页 |
| 5.2.4 正则化参数对重构的影响 | 第60页 |
| 5.3 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文 | 第70页 |