| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 超分辨率图像复原的研究背景与意义 | 第11-12页 |
| 1.2 超分辨率图像复原的研究现状 | 第12-18页 |
| 1.2.1 基于插值的方法 | 第12-13页 |
| 1.2.2 基于重建的方法 | 第13-15页 |
| 1.2.3 基于学习的方法 | 第15-18页 |
| 1.3 本文的结构安排 | 第18-19页 |
| 第2章 相关基本理论 | 第19-37页 |
| 2.1 超分辨率复原的理论基础 | 第19-22页 |
| 2.1.1 退化模型 | 第19-20页 |
| 2.1.2 超分辨率复原的理论依据 | 第20-22页 |
| 2.2 稀疏表示理论基础 | 第22-36页 |
| 2.2.1 稀疏表示模型 | 第22-24页 |
| 2.2.2 稀疏分解算法 | 第24-30页 |
| 2.2.3 字典学习算法 | 第30-34页 |
| 2.2.4 基于稀疏表示的图像处理应用 | 第34-36页 |
| 2.3 小结 | 第36-37页 |
| 第3章 基于离线耦合字典学习的图像超分辨率方法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 基于稀疏表示的超分辨率重建模型 | 第37-39页 |
| 3.3 基于过完备稀疏表示的离线字典学习 | 第39-46页 |
| 3.3.1 单字典训练 | 第39-41页 |
| 3.3.2 联合字典训练 | 第41-43页 |
| 3.3.3 改进的耦合字典训练 | 第43-46页 |
| 3.4 基于过完备稀疏表示和残差补偿的超分辨率重建 | 第46-48页 |
| 3.5 实验结果与分析 | 第48-54页 |
| 3.6 小结 | 第54-55页 |
| 第4章 基于在线字典学习和正则化的图像超分辨率方法 | 第55-78页 |
| 4.1 引言 | 第55-56页 |
| 4.2 基于稀疏表示和正则化的图像超分辨率模型 | 第56-66页 |
| 4.2.1 图像的稀疏正则化约束 | 第56-59页 |
| 4.2.2 图像的非局部相似正则化约束 | 第59-62页 |
| 4.2.3 图像梯度的超拉普拉斯正则化约束 | 第62-66页 |
| 4.3 基于在线字典学习和正则化的超分辨率数值算法 | 第66-69页 |
| 4.4 实验结果与分析 | 第69-76页 |
| 4.5 小结 | 第76-78页 |
| 第5章 基于结构相似度的稀疏正则化图像超分辨率方法 | 第78-101页 |
| 5.1 引言 | 第78-79页 |
| 5.2 结构相似性度量 | 第79-82页 |
| 5.3 SSIM指标下的稀疏编码模型 | 第82-86页 |
| 5.4 SSIM指标下的稀疏正则化超分辨率模型 | 第86-87页 |
| 5.5 SSIM指标下的稀疏正则化超分辨率数值算法 | 第87-91页 |
| 5.6 实验结果与分析 | 第91-100页 |
| 5.7 小结 | 第100-101页 |
| 第6章 总结与展望 | 第101-104页 |
| 6.1 本文工作总结 | 第101-102页 |
| 6.2 本文工作展望 | 第102-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-118页 |
| 附录1攻读博士学位期间取得的科研成果 | 第118-119页 |
| 附录2攻读博士学位期间参加的科研项目 | 第119页 |
