基于学习的超分辨率重建算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-15页 |
| 1.2.1 基于插值的算法 | 第12-13页 |
| 1.2.2 基于重建的算法 | 第13-15页 |
| 1.3 重建图像质量评价标准 | 第15-17页 |
| 1.3.1 主观评价 | 第15页 |
| 1.3.2 客观评价 | 第15-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 2 基于学习的超分辨率重建算法 | 第18-28页 |
| 2.1 基于学习的方法 | 第18-19页 |
| 2.2 邻域嵌入算法 | 第19-23页 |
| 2.2.1 流形学习基础 | 第19-21页 |
| 2.2.2 基于邻域嵌入的超分辨率重建算法 | 第21-23页 |
| 2.3 字典学习算法 | 第23-27页 |
| 2.3.1 稀疏表示理论 | 第23-25页 |
| 2.3.2 SVD算法 | 第25-26页 |
| 2.3.3 K-SVD算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 低秩矩阵恢复算法 | 第28-36页 |
| 3.1 鲁棒主成分分析 | 第28-29页 |
| 3.2 增广拉格朗日乘子算法 | 第29页 |
| 3.3 低秩表示 | 第29-31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 图像的低秩分解 | 第31-33页 |
| 3.4.2 含噪图像的低秩分解 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于字典学习和低秩矩阵的图像超分辨重建算法 | 第36-47页 |
| 4.1 图像的退化模型 | 第36-37页 |
| 4.2 低秩分解与重建 | 第37-38页 |
| 4.3 高低分辨率字典联合训练 | 第38-40页 |
| 4.4 实验结果与分析 | 第40-46页 |
| 4.4.1 训练图像库的构造 | 第40-42页 |
| 4.4.2 超分辨重建算法对比实验 | 第42-44页 |
| 4.4.3 含噪图像的重建实验分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者简历 | 第51-53页 |
| 学位论文数据集 | 第53页 |
