| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.2 图像超分辨重建国内外研究现状 | 第14-17页 |
| 1.2.1 基于插值的方法 | 第14-15页 |
| 1.2.2 基于重构的方法 | 第15页 |
| 1.2.3 基于浅层学习的方法 | 第15-16页 |
| 1.2.4 基于深度学习的方法 | 第16-17页 |
| 1.3 本论文的工作 | 第17-21页 |
| 1.3.1 论文主要内容 | 第17-18页 |
| 1.3.2 本论文的创新点和意义 | 第18-21页 |
| 第2章 图像超分辨重建领域代表性算法 | 第21-31页 |
| 2.1 图像超分辨重建模型 | 第21-22页 |
| 2.2 经典的图像超分辨重构方法 | 第22-27页 |
| 2.2.1 频域方法 | 第23页 |
| 2.2.2 空域方法 | 第23-27页 |
| 2.3 超分辨重建图像质量评价 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于稀疏表示与核回归的图像超分辨重建 | 第31-57页 |
| 3.1 图像的稀疏表示模型 | 第31-37页 |
| 3.1.1 稀疏表示理论 | 第31-32页 |
| 3.1.2 信号的稀疏编码 | 第32-33页 |
| 3.1.3 字典学习方法 | 第33-37页 |
| 3.1.4 稀疏表示与图像超分辨重建 | 第37页 |
| 3.2 基于在线式双稀疏字典的超分辨重建 | 第37-48页 |
| 3.2.1 在线式双稀疏字典 | 第37-42页 |
| 3.2.2 基于在线式双稀疏字典的超分辨重建算法 | 第42-43页 |
| 3.2.3 在线式双稀疏算法的结果和分析 | 第43-48页 |
| 3.2.4 本节小结 | 第48页 |
| 3.3 基于双稀疏在线字典与可控核回归的图像超分辨重建 | 第48-56页 |
| 3.3.1 可控核回归 | 第49-50页 |
| 3.3.2 基于双稀疏在线字典与可控核回归的超分辨图像重建 | 第50-51页 |
| 3.3.3 双稀疏和核回归算法的结果和分析 | 第51-56页 |
| 3.3.4 本节小结 | 第56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 基于深度并行卷积神经网络的图像超分辨重建 | 第57-77页 |
| 4.1 卷积网络与图像超分辨重建 | 第57-62页 |
| 4.1.1 深度学习基本理论 | 第57-59页 |
| 4.1.2 卷积神经网络 | 第59-61页 |
| 4.1.3 卷积神经网络的图像超分辨重建 | 第61-62页 |
| 4.2 基于深度并行卷积神经网络的图像超分辨重建 | 第62-72页 |
| 4.2.1 并行卷积神经网络的图像超分辨重建 | 第62-67页 |
| 4.2.2 深度卷积网络算法的结果和分析 | 第67-72页 |
| 4.3 几种算法的比较 | 第72-76页 |
| 4.3.1 重建效果比较和误差来源分析 | 第72-74页 |
| 4.3.2 运算复杂度 | 第74-75页 |
| 4.3.3 外界依赖性和使用的场合 | 第75-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第85-87页 |
| 致谢 | 第87页 |