基于学习的超分辨率图像重建研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文主要内容和组织结构 | 第13-15页 |
| 第2章 基于插值的超分辨率图像重建 | 第15-23页 |
| 2.1 图像退化模型 | 第15-16页 |
| 2.2 经典插值算法 | 第16-19页 |
| 2.2.1 最近邻插值 | 第17页 |
| 2.2.2 双线性插值 | 第17-18页 |
| 2.2.3 双三次插值 | 第18-19页 |
| 2.2.4 插值算法小结 | 第19页 |
| 2.3 超分辨率图像重建评价标准 | 第19-21页 |
| 2.4 实验结果与分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于LLE的超分辨率图像重建及改进 | 第23-40页 |
| 3.1 流形学习原理 | 第23-26页 |
| 3.1.1 流形学习概念 | 第23-24页 |
| 3.1.2 局部线性嵌入（LLE） | 第24-26页 |
| 3.2 基于LLE的超分辨率图像重建 | 第26-29页 |
| 3.2.1 基于LLE的SR重建思想 | 第26-28页 |
| 3.2.2 基于LLE的SR算法框架 | 第28-29页 |
| 3.3 基于LLE的超分辨率图像重建的改进 | 第29-35页 |
| 3.3.1 引入新的特征选择方法 | 第30页 |
| 3.3.2 训练集二次分类过程 | 第30-32页 |
| 3.3.3 算法实现 | 第32-35页 |
| 3.4 实验结果与分析 | 第35-39页 |
| 3.4.1 实验结果 | 第35-37页 |
| 3.4.2 实验分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于稀疏学习的超分辨率图像重建及改进 | 第40-57页 |
| 4.1 稀疏表示原理 | 第40-42页 |
| 4.2 基于稀疏学习的超分辨率图像重建 | 第42-45页 |
| 4.2.1 基于稀疏学习的SR重建思想 | 第42-44页 |
| 4.2.2 基于稀疏学习的SR算法框架 | 第44-45页 |
| 4.3 基于稀疏学习的超分辨率图像重建的改进 | 第45-50页 |
| 4.3.1 引入多字典学习过程 | 第45-47页 |
| 4.3.2 新的子字典选择方法 | 第47-48页 |
| 4.3.3 非局部自相似正则化约束 | 第48-49页 |
| 4.3.4 算法实现 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-56页 |
| 4.4.1 实验结果 | 第50-54页 |
| 4.4.2 实验分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 课题总结 | 第57-58页 |
| 5.2 课题展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
