单幅图像自学习的超分辨率重建研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于插值的超分辨率方法 | 第10-11页 |
| 1.2.2 基于重构的超分辨率方法 | 第11-12页 |
| 1.2.3 基于学习的超分辨率方法 | 第12-13页 |
| 1.3 重建图像的质量评价标准 | 第13-14页 |
| 1.4 论文研究工作和组织结构 | 第14-16页 |
| 1.4.1 论文研究工作 | 第14-15页 |
| 1.4.2 论文组织结构 | 第15-16页 |
| 2 相关背景知识 | 第16-25页 |
| 2.1 图像退化模型 | 第16-17页 |
| 2.2 稀疏表示理论 | 第17-20页 |
| 2.2.1 稀疏表示模型 | 第17-18页 |
| 2.2.2 字典学习 | 第18-19页 |
| 2.2.3 稀疏分解 | 第19-20页 |
| 2.3 协作表达理论 | 第20-21页 |
| 2.4 SVR理论 | 第21-24页 |
| 2.4.1 基本思想 | 第21-22页 |
| 2.4.2 对偶和二次规划问题 | 第22-23页 |
| 2.4.3 非线性问题 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 图像块加权的增强超分辨率重建 | 第25-45页 |
| 3.1 引言 | 第25-26页 |
| 3.2 数据预处理 | 第26-31页 |
| 3.2.1 自学习图像金字塔 | 第26-27页 |
| 3.2.2 图像特征提取 | 第27-28页 |
| 3.2.3 图像块加权及稀疏表示 | 第28-31页 |
| 3.3 基于加权特征建立重建图像映射模型 | 第31-34页 |
| 3.4 实验与分析 | 第34-44页 |
| 3.4.1 实验环境及参数设置 | 第34-35页 |
| 3.4.2 加权参数对超分辨率重建的影响 | 第35-36页 |
| 3.4.3 稀疏表示参数对超分辨率重建的影响 | 第36-38页 |
| 3.4.4 实验结果与分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于协作表达的改进超分辨率重建 | 第45-63页 |
| 4.1 引言 | 第45-46页 |
| 4.2 协作表达图像特征 | 第46-49页 |
| 4.2.1 图像预处理 | 第46-47页 |
| 4.2.2 特征提取与协作表达 | 第47-49页 |
| 4.3 建立SVR的超分辨率重建模型 | 第49-50页 |
| 4.3.1 重建映射模型 | 第49-50页 |
| 4.3.2 重建误差模型 | 第50页 |
| 4.4 算法思想及框架 | 第50-52页 |
| 4.5 实验与分析 | 第52-62页 |
| 4.5.1 实验参数设置 | 第53页 |
| 4.5.2 协作表达参数的讨论 | 第53-55页 |
| 4.5.3 实验结果与分析 | 第55-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 工作总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 A 实验图像的超分辨率结果 | 第69-71页 |
| 攻读硕士学位期间发表论文及科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |
