| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Chapter 1 Introduction | 第13-24页 |
| 1.1 Synopsis | 第13-14页 |
| 1.2 Background of the Study | 第14-18页 |
| 1.2.1 What is resolution? | 第14-15页 |
| 1.2.2 Super-resolution imaging | 第15-18页 |
| 1.3 Related works and their limitations | 第18-20页 |
| 1.4 Objectives of the Research | 第20-21页 |
| 1.5 Significance of the Study | 第21-22页 |
| 1.6 Thesis outline and contributions | 第22-24页 |
| Chapter 2 Multiframe super-resolution image degradation model | 第24-43页 |
| 2.1 Introduction | 第24-26页 |
| 2.2 Image degradation model | 第26-28页 |
| 2.3 Regularization of the multiframe super-resolution problem | 第28-35页 |
| 2.3.1 Basics of inverse problems | 第28-29页 |
| 2.3.2 Regularization | 第29-35页 |
| 2.4 Comparisons of the classical regularizing functionals | 第35-41页 |
| 2.5 Summary | 第41-43页 |
| Chapter 3 Super-resolution methods based on the variable exponent nonlin-ear diffusion models | 第43-91页 |
| 3.1 Introduction | 第43页 |
| 3.2 Motion estimation | 第43-45页 |
| 3.3 Proposed methods | 第45-76页 |
| 3.3.1 Super-resolution method based on the adaptive Perona-Malik diffu-sion model | 第45-55页 |
| 3.3.2 Super-resolution method based on the adaptive Charbonnier diffusionmodel | 第55-61页 |
| 3.3.3 Super-resolution method based on the non-standard anisotropic diffu-sion model | 第61-65页 |
| 3.3.4 Super-resolution method based on the adaptive Perona-Malik modeland Papoulis-Gerchberg algorithm | 第65-76页 |
| 3.4 Experiments | 第76-82页 |
| 3.4.1 Preliminaries | 第76-77页 |
| 3.4.2 Experiment 1: Edge detection | 第77-78页 |
| 3.4.3 Experiment 2: Image denoising | 第78-82页 |
| 3.4.4 Experiment 3: Super-resolution image reconstruction | 第82页 |
| 3.5 Results and discussions | 第82-86页 |
| 3.5.1 Experiment 1: Edge detection | 第82-85页 |
| 3.5.2 Experiment 2: Image denoising | 第85页 |
| 3.5.3 Experiment 3: Super-resolution image reconstruction | 第85-86页 |
| 3.6 Summary | 第86-91页 |
| Chapter 4 A noise suppressing and edge-preserving multiframe super-resolutionmethod | 第91-117页 |
| 4.1 Introduction | 第91-92页 |
| 4.2 Motion estimation | 第92-95页 |
| 4.3 Proposed smoothing energy functional | 第95-104页 |
| 4.3.1 Derivations and important properties | 第95-101页 |
| 4.3.2 Multiframe super-resolution process | 第101-102页 |
| 4.3.3 Invariance and the regularizing parameter | 第102-104页 |
| 4.4 Numerical implementation details | 第104-107页 |
| 4.4.1 Explicit scheme | 第104-106页 |
| 4.4.2 Additive Operator Splitting (AOS) scheme | 第106-107页 |
| 4.5 Experiments | 第107-112页 |
| 4.5.1 Preliminaries | 第107页 |
| 4.5.2 Experiment 1: Edge detection | 第107-108页 |
| 4.5.3 Experiment 2: Image denoising | 第108页 |
| 4.5.4 Experiment 3: Super-resolution image reconstruction | 第108-112页 |
| 4.6 Results and discussions | 第112-115页 |
| 4.6.1 Experiment 1: Edge detection | 第112-113页 |
| 4.6.2 Experiment 2: Image denoising | 第113页 |
| 4.6.3 Experiment 3: Super-resolution image reconstruction | 第113-115页 |
| 4.7 Summary | 第115-117页 |
| Chapter 5 Practical applications of the super-resolution methods | 第117-123页 |
| 5.1 Introduction | 第117页 |
| 5.2 Practical applications of the super-resolution methods | 第117-122页 |
| 5.2.1 Fusion of images | 第117-118页 |
| 5.2.2 Improving the spatial resolution of mammograms in X-Ray imaging | 第118-119页 |
| 5.2.3 Improving the quality of hyperspectral images | 第119-120页 |
| 5.2.4 Resolution enhancement of scenes on the web | 第120-121页 |
| 5.2.5 Zooming of regions of interest (ROI) in the scene | 第121页 |
| 5.2.6 Lowering the transmission costs of videos from television broadcast-ing stations | 第121页 |
| 5.2.7 Improving the quality of consumer images and videos | 第121-122页 |
| 5.3 Summary | 第122-123页 |
| 结论 | 第123-126页 |
| Conclusion | 第126-130页 |
| References | 第130-144页 |
| List of Publications | 第144-147页 |
| Acknowledgement | 第147-149页 |
| Resume | 第149-151页 |
