| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 单帧学习型超分辨率重建研究现状 | 第11-16页 |
| 1.2.1 基于约束重建误差最小及迭代投影逼近学习的重建算法 | 第12-13页 |
| 1.2.2 基于邻域嵌入的信号流形描述的重建算法 | 第13-14页 |
| 1.2.3 基于结构分解的信号原子组合模型的重建算法 | 第14-16页 |
| 1.3 稀疏编码类超分辨率重建算法的局限性 | 第16-17页 |
| 1.4 本文工作和章节安排 | 第17-19页 |
| 第二章 灵活LBP纹理字典构造及多特征描述的重建算法 | 第19-37页 |
| 2.1 联合稀疏编码算法原理和局限性 | 第19-22页 |
| 2.1.1 梯度算子描述的局限性 | 第20-21页 |
| 2.1.2 最优原子搜索的代价和描述误差 | 第21-22页 |
| 2.2 LBP纹理字典构造及多特征描述 | 第22-26页 |
| 2.2.1 LBP特征矢量与字典原子映射 | 第22-24页 |
| 2.2.2 结构分类及多特征描述 | 第24-25页 |
| 2.2.3 原子图样的尺度伸缩和误差增量补偿 | 第25页 |
| 2.2.4 双边总变分BTV约束 | 第25-26页 |
| 2.3 基于多特征联合的分级字典训练及重建算法 | 第26-28页 |
| 2.3.1 多特征字典分级树结构及其训练 | 第26-27页 |
| 2.3.2 基于分级字典的SR重建方案 | 第27-28页 |
| 2.4 重建结果与分析 | 第28-36页 |
| 2.4.1 字典维数的选取分析 | 第30-31页 |
| 2.4.2 LBP描述准确性及误差增量补偿分析 | 第31-32页 |
| 2.4.3 正则参数设置 | 第32-33页 |
| 2.4.4 重建图像的质量比较 | 第33-35页 |
| 2.4.5 算法复杂度比较 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 结合字典及映射关系学习的重建算法 | 第37-54页 |
| 3.1 HR/LR块系数相等约束关系局限性 | 第37-40页 |
| 3.2 LR-HR映射关系及字典训练 | 第40-44页 |
| 3.2.1 LR-HR映射关系的学习 | 第40-42页 |
| 3.2.2 基于稀疏系数复用的字典训练 | 第42-44页 |
| 3.3 结合字典及映射关系学习的重建算法 | 第44-47页 |
| 3.3.1 结构字典及其映射关系学习 | 第44-46页 |
| 3.3.2 结合字典及映射关系的重建方案 | 第46-47页 |
| 3.4 重建结果与分析 | 第47-52页 |
| 3.4.1 稀疏系数复用对训练复杂度的影响 | 第47-48页 |
| 3.4.2 映射关系对HR系数预测准确性影响 | 第48-49页 |
| 3.4.3 重建图像的质量比较 | 第49-52页 |
| 3.4.4 算法复杂度比较 | 第52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 联合统计模型及前馈信息软决策重建算法 | 第54-70页 |
| 4.1 硬判决重建HR/LR块匹配模糊性分析 | 第54-56页 |
| 4.2 联合统计模型及前馈机制 | 第56-60页 |
| 4.2.1 纹理及边缘区非局部自相似模型 | 第56-58页 |
| 4.2.2 平滑域局部统计特性 | 第58页 |
| 4.2.3 HR重建信息前馈机制 | 第58-60页 |
| 4.3 基于联合统计模型及前馈机制的软决策SR算法 | 第60-62页 |
| 4.4 重建结果与分析 | 第62-69页 |
| 4.4.1 自相似搜索窗选取 | 第63-64页 |
| 4.4.2 联合自相似及前馈信息对重建与原始块相似度的影响 | 第64-66页 |
| 4.4.3 重建图像的质量比较 | 第66-68页 |
| 4.4.4 算法复杂度比较 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 答辩委员会对论文的评定意见 | 第79页 |
