| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11-12页 |
| 1.2 超分辨率算法研究现状 | 第12-14页 |
| 1.2.1 基于插值的方法 | 第12页 |
| 1.2.2 基于重建的方法 | 第12-13页 |
| 1.2.3 基于学习的方法 | 第13-14页 |
| 1.3 本文主要工作和结构安排 | 第14-15页 |
| 第2章 基于自相似的单幅图像超分辨率算法 | 第15-31页 |
| 2.1 图像退化模型 | 第15-16页 |
| 2.2 图像的质量评价 | 第16-17页 |
| 2.2.1 图像的客观质量评价 | 第16-17页 |
| 2.2.2 图像的主观质量评价 | 第17页 |
| 2.3 图像的自相似性 | 第17-20页 |
| 2.3.1 图像的自相似性 | 第17-19页 |
| 2.3.2 自相似性度量 | 第19-20页 |
| 2.4 基于自相似性的超分辨率算法 | 第20-29页 |
| 2.4.1 基于自相似性的算法模型 | 第20-21页 |
| 2.4.2 基于自相似性的算法步骤 | 第21-22页 |
| 2.4.3 高斯金字塔模型 | 第22-25页 |
| 2.4.4 迭代反投影算法 | 第25-27页 |
| 2.4.5 最近邻域搜索算法 | 第27-28页 |
| 2.4.6 自相似性算法存在的问题 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 带有核回归的基于自相似性的超分辨率算法 | 第31-45页 |
| 3.1 核回归的定义和表示 | 第31-36页 |
| 3.1.1 核回归模型 | 第31-33页 |
| 3.1.2 控制核回归 | 第33-36页 |
| 3.2 带有核回归的基于自相似性的超分辨率算法 | 第36-40页 |
| 3.2.1 带有核回归的基于自相似性的超分辨率算法模型 | 第36-38页 |
| 3.2.2 带有核回归的基于自相似性的超分辨率算法步骤 | 第38-39页 |
| 3.2.3 控制局部结构参数的算法 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-44页 |
| 3.3.1 实验仿真结果 | 第40-43页 |
| 3.3.2 实验结果分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于扩展金字塔模型的图像超分辨率算法 | 第45-53页 |
| 4.1 扩展金字塔模型 | 第45-46页 |
| 4.2 基于扩展高斯金字塔模型的超分辨率算法 | 第46-48页 |
| 4.2.1 LSE算法思路 | 第46-47页 |
| 4.2.2 基于扩展高斯金字塔模型超分辨率算法模型 | 第47-48页 |
| 4.2.3 基于扩展高斯金字塔模型超分辨率算法步骤 | 第48页 |
| 4.3 实验结果及分析 | 第48-51页 |
| 4.3.1 实验仿真结果 | 第49-50页 |
| 4.3.2 实验结果分析 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 基于扩展金字塔模型的噪声图像超分辨率算法 | 第53-71页 |
| 5.1 噪声方差估计 | 第53-56页 |
| 5.2 基于扩展金字塔噪声图像的超分辨率模型 | 第56-64页 |
| 5.2.1 噪声图像的自相似性 | 第57-59页 |
| 5.2.2 最优图像块搜索算法 | 第59-62页 |
| 5.2.3 噪声图像的超分辨率算法模型 | 第62-63页 |
| 5.2.4 噪声图像的超分辨率算法步骤 | 第63-64页 |
| 5.3 实验结果及分析 | 第64-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结和展望 | 第71-73页 |
| 6.1 主要研究成果 | 第71-72页 |
| 6.2 后续研究工作 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78-80页 |
