| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 基本概念和问题描述 | 第12-15页 |
| 1.3 论文主要研究内容和组织结构 | 第15-16页 |
| 第二章 超分辨率重建技术介绍 | 第16-27页 |
| 2.1 国内外研究现状 | 第16-24页 |
| 2.1.1 基于插值的方法 | 第16-18页 |
| 2.1.2 基于统计的方法 | 第18-21页 |
| 2.1.3 基于学习的方法 | 第21-24页 |
| 2.2 超分辨率重建面临的问题 | 第24-25页 |
| 2.2.1 计算效率 | 第24-25页 |
| 2.2.2 图像重建鲁棒性 | 第25页 |
| 2.2.3 重建质量瓶颈 | 第25页 |
| 2.3 重建图像质量的客观评价方式 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于稀疏表示的超分辨率图像重建技术 | 第27-42页 |
| 3.1 稀疏表示介绍 | 第27-34页 |
| 3.1.1 稀疏表示的数学模型 | 第28页 |
| 3.1.2 稀疏编码 | 第28-30页 |
| 3.1.3 过完备字典学习方式 | 第30-34页 |
| 3.2 基于稀疏表示的超分辨率图像重建 | 第34-41页 |
| 3.2.1 算法原理 | 第34-36页 |
| 3.2.2 训练字典的流程 | 第36-38页 |
| 3.2.3 图像重建流程 | 第38-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于滤波器组的特征选取 | 第42-53页 |
| 4.1 基于滤波器组的图像特征介绍 | 第42-45页 |
| 4.1.1 LM 滤波器组 | 第42-43页 |
| 4.1.2 S 滤波器组 | 第43-44页 |
| 4.1.3 最大响应滤波器组 | 第44-45页 |
| 4.2 三种滤波器的比较分析 | 第45页 |
| 4.3 超分重建特征图像块特征的确定 | 第45-47页 |
| 4.4 实验结果与分析 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于 Texton 直方图的字典改进算法 | 第53-71页 |
| 5.1 字典的改进算法 | 第53-54页 |
| 5.2 基于 Texton 直方的图特征 | 第54-57页 |
| 5.2.1 Texton 概述 | 第54-55页 |
| 5.2.2 基于 Texton 直方图的特征 | 第55-57页 |
| 5.3 特征聚类以及改进方法 | 第57-59页 |
| 5.3.1 K means 聚类方法 | 第57-58页 |
| 5.3.2 自适应 k 值选取的 K means 聚类算法 | 第58-59页 |
| 5.4 K Medoids 聚类算法 | 第59-60页 |
| 5.5 实验结果与分析 | 第60-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文的工作总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |