| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 遥感图像放大的必要性 | 第8页 |
| 1.2 研究的背景和现状 | 第8-10页 |
| 1.3 研究目标和内容 | 第10-11页 |
| 1.4 文章结构 | 第11-13页 |
| 2 图像放大基础知识 | 第13-18页 |
| 2.1 变分法和梯度下降流 | 第13-14页 |
| 2.2 曲线曲率和曲面曲率 | 第14页 |
| 2.3 Tikhonov正则化 | 第14-15页 |
| 2.4 图像稀疏编码 | 第15-16页 |
| 2.5 图像放大质量评价标准 | 第16-17页 |
| 2.6 本章小结 | 第17-18页 |
| 3 经典图像放大方法分析 | 第18-26页 |
| 3.1 传统插值法 | 第19-21页 |
| 3.1.1 最邻近插值法 | 第19-20页 |
| 3.1.2 双线性插值法 | 第20-21页 |
| 3.1.3 双三次插值法 | 第21页 |
| 3.2 自蛇模型 | 第21-22页 |
| 3.3 学习法 | 第22-25页 |
| 3.3.1 单一字典训练 | 第23页 |
| 3.3.2 联合字典训练 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于改进自蛇模型和正则项混合的自适应PDE遥感图像放大模型 | 第26-41页 |
| 4.1 引言 | 第26-27页 |
| 4.2 对自蛇模型的改进 | 第27-29页 |
| 4.3 本文提出的自适应模型 | 第29-33页 |
| 4.3.1 模型的形式表达 | 第29-31页 |
| 4.3.2 模型的离散化 | 第31-32页 |
| 4.3.3 模型的可行性分析 | 第32-33页 |
| 4.4 实验结果与分析 | 第33-39页 |
| 4.5 本章小结 | 第39-41页 |
| 5 基于稀疏编码的PDE模型放大算法 | 第41-53页 |
| 5.1 引言 | 第41-42页 |
| 5.2 局部稀疏编码 | 第42-44页 |
| 5.3 偏微分方程模型 | 第44-47页 |
| 5.3.1 模型的提出 | 第44-45页 |
| 5.3.2 模型的可行性分析 | 第45-46页 |
| 5.3.3 模型的离散化 | 第46-47页 |
| 5.4 实验结果与分析 | 第47-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 1 总结 | 第53页 |
| 2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59页 |