基于学习的视频超分辨率重建算法研究及实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·研究内容和论文安排 | 第11-13页 |
| 第二章 图像超分辨率重建算法 | 第13-21页 |
| ·超分辨率重建原理 | 第13-15页 |
| ·图像的超分辨率重建 | 第13-14页 |
| ·图像降质模型 | 第14-15页 |
| ·超分辨率重建算法 | 第15-20页 |
| ·频域的超分辨率重建 | 第15-16页 |
| ·基于插值的重建算法 | 第16-17页 |
| ·基于统计的超分辨率重建算法 | 第17-19页 |
| ·基于学习的超分辨率重建算法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 面向超分辨率重建的预处理 | 第21-31页 |
| ·超分辨率重建的预处理技术 | 第21页 |
| ·自适应混合高斯噪声去除 | 第21-26页 |
| ·混合高斯噪声 | 第22-23页 |
| ·混合高斯噪声参数估计算法 | 第23-24页 |
| ·自适应的噪声去除 | 第24-26页 |
| ·实验结果与讨论 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于流形学习的超分辨率重建算法 | 第31-63页 |
| ·流形学习的超分辨率重建算法 | 第31-36页 |
| ·流形学习概述 | 第31-32页 |
| ·线性的流形学习方法 | 第32-33页 |
| ·非线性的流形学习方法 | 第33-36页 |
| ·改进的基于邻域嵌入的快速超分辨率重建算法 | 第36-44页 |
| ·基于邻域嵌入的超分辨率重建 | 第36-39页 |
| ·基于DCT 系数的样本分类方法 | 第39-41页 |
| ·特征抽取 | 第41-42页 |
| ·生成训练样本集规则 | 第42-44页 |
| ·实验结果与讨论 | 第44-62页 |
| ·实验一：样本集分类实验 | 第44-54页 |
| ·实验二：超分辨率重建算法性能实验 | 第54-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 超分辨率重建演示系统实现 | 第63-74页 |
| ·DirectShow 简介 | 第63-65页 |
| ·演示系统的设计和实现 | 第65-71页 |
| ·系统需求分析 | 第65-66页 |
| ·系统模块划分 | 第66-67页 |
| ·系统功能设计 | 第67-71页 |
| ·系统功能实现 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-77页 |
| ·本文工作及创新 | 第74-75页 |
| ·今后工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 发表论文及参与科研项目情况 | 第82页 |
