基于多字典稀疏表征的超分辨重建算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 本文的主要工作与全文的组织结构 | 第14-17页 |
| 1.3.1 本文的主要工作 | 第14-15页 |
| 1.3.2 全文的组织结构 | 第15-17页 |
| 2 相关方法介绍 | 第17-26页 |
| 2.1 稀疏编码算法 | 第17-23页 |
| 2.1.1 K-SVD算法 | 第17-20页 |
| 2.1.2 有效稀疏编码 | 第20-23页 |
| 2.2 K-means聚类算法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于多字典稀疏表征的超分辨重建算法 | 第26-43页 |
| 3.1 字典稀疏编码 | 第27-31页 |
| 3.2 多字典的构建 | 第31-39页 |
| 3.2.1 构建多字典 | 第33-36页 |
| 3.2.2 训练多字典 | 第36-39页 |
| 3.2.3 恢复图像 | 第39页 |
| 3.3 基于梯度的多曝光图像融合 | 第39-41页 |
| 3.4 基于迭代反投影算法的全局约束 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 实验结果与分析 | 第43-57页 |
| 4.1 评价指标 | 第43-45页 |
| 4.2 本文模型的实验结果 | 第45-56页 |
| 4.2.1 参数设置 | 第45-50页 |
| 4.2.2 模型中各部分的有效性 | 第50-53页 |
| 4.2.3 与现有算法进行对比 | 第53-56页 |
| 4.3 本文方法的不足 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
