基于支持向量机分类学习的彩色图像超分辨重构算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 图像超分辨重构的国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究工作和论文组织 | 第11-12页 |
| 第二章 图像重构方法及评价指标 | 第12-21页 |
| 2.1 图像超分辨重构的基本概念 | 第12-17页 |
| 2.1.1 基于插值的图像超分辨重构算法 | 第13-14页 |
| 2.1.2 基于约束重建的图像超分辨重构算法 | 第14-16页 |
| 2.1.3 基于学习的图像超分辨重构算法 | 第16-17页 |
| 2.2 图像超分辨重构的降质模型 | 第17-18页 |
| 2.3 图像超分辨重构的评价指标 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 超分辨重构的理论基础 | 第21-26页 |
| 3.1 SVM的基本原理 | 第21-25页 |
| 3.1.1 基本模型 | 第21-23页 |
| 3.1.2 核函数及参数选择 | 第23-24页 |
| 3.1.3 SVM的优点 | 第24-25页 |
| 3.2 不同域下的重构方法 | 第25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 基于SVM的图像超分辨重构算法 | 第26-34页 |
| 4.1 颜色空间模型介绍 | 第26-31页 |
| 4.1.1 颜色空间模型 | 第26页 |
| 4.1.2 HSV空间模型 | 第26-29页 |
| 4.1.3 颜色直方图 | 第29-31页 |
| 4.2 以色度空间为特征向量进行样本分类 | 第31-32页 |
| 4.3 生成高分辨率图像 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 实验结果与分析 | 第34-43页 |
| 5.1 普通低分辨率图像重构实验 | 第34-38页 |
| 5.1.1 重构效果的视觉评价 | 第34-37页 |
| 5.1.2 重构效果的数值评价 | 第37-38页 |
| 5.1.3 处理时间 | 第38页 |
| 5.2 对加入不同高斯噪声的图像进行重构 | 第38-42页 |
| 5.3 综合评价 | 第42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 论文工作总结 | 第43页 |
| 6.2 未来研究展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 发表论文和科研情况说明 | 第49-50页 |
| 致谢 | 第50页 |
