| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 超分辨率重建研究现状 | 第10-11页 |
| 1.3 本文的主要工作及其创新点 | 第11-12页 |
| 1.3.1 针对问题及研究思路 | 第11-12页 |
| 1.3.2 主要工作及创新点 | 第12页 |
| 1.4 本文的内容安排 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 超分辨率图像重建技术概述 | 第13-24页 |
| 2.1 图像观测模型 | 第13-14页 |
| 2.2 图像重建的流程和基本原理 | 第14-16页 |
| 2.2.1 图像重建的流程 | 第14-15页 |
| 2.2.2 图像重建的基本原理 | 第15-16页 |
| 2.3 超分辨率重建算法的分类 | 第16-21页 |
| 2.3.1 频域法 | 第16-17页 |
| 2.3.2 空域法 | 第17-21页 |
| 2.4 重建图像的质量评价 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 图像纹理特征提取方法的研究 | 第24-41页 |
| 3.1 引言 | 第24-25页 |
| 3.2 图像纹理特征提取方法分类 | 第25-38页 |
| 3.2.1 统计方法 | 第26-29页 |
| 3.2.2 模型方法 | 第29-31页 |
| 3.2.3 信号处理方法 | 第31-37页 |
| 3.2.4 结构方法 | 第37-38页 |
| 3.3 图像纹理特征提取方法的比较 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 图像纹理特征自适应超分辨率重建方法研究 | 第41-59页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于灰度共生矩阵的图像纹理特征及超分辨率重建方法 | 第42-48页 |
| 4.2.1 基于GLCM的图像纹理特征提取方法 | 第42-43页 |
| 4.2.2 纹理特征自适应超分辨率重建方法 | 第43-44页 |
| 4.2.3 实验结果与分析 | 第44-48页 |
| 4.3 本文提出的图像纹理特征提取方法及超分辨率重建方法 | 第48-57页 |
| 4.3.1 本文提出的图像纹理特征提取方法 | 第48-49页 |
| 4.3.2 纹理特征自适应超分辨率重建方法 | 第49-50页 |
| 4.3.3 实验结果与分析 | 第50-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表学术论文情 | 第66-67页 |
| 致谢 | 第67-68页 |