| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 研究现状及分析 | 第9-15页 |
| 1.2.1 图像增强技术 | 第10-13页 |
| 1.2.2 稀疏学习在图像增强中的应用 | 第13-15页 |
| 1.3 本文的主要工作及组织结构 | 第15-17页 |
| 第二章 图像增强与稀疏表示理论基础 | 第17-24页 |
| 2.1 信号的稀疏表示 | 第17-18页 |
| 2.1.1 稀疏表示模型 | 第17-18页 |
| 2.1.2 稀疏表示问题 | 第18页 |
| 2.2 稀疏表示问题的优化算法 | 第18-21页 |
| 2.2.1 贪婪算法 | 第19-20页 |
| 2.2.2 松弛优化算法 | 第20页 |
| 2.2.3 贝叶斯方法 | 第20-21页 |
| 2.3 基于稀疏表示的图像增强方法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于稀疏表示的图像超分辨率重建 | 第24-47页 |
| 3.1 图像超分辨率重建方法原理 | 第24-29页 |
| 3.1.1 图像退化模型 | 第24页 |
| 3.1.2 图像超分辨率重建方法 | 第24-27页 |
| 3.1.3 基于稀疏表示的超分辨率重建 | 第27-29页 |
| 3.2 基于稀疏表示的普通图像超分辨率重建算法设计 | 第29-30页 |
| 3.2.1 稀疏表示的局部模型 | 第29-30页 |
| 3.2.2 稀疏重建的全局约束 | 第30页 |
| 3.3 基于稀疏表示的监控视频人脸图像超分辨率重建算法设计 | 第30-43页 |
| 3.3.1 非负矩阵分解(NMF) | 第31页 |
| 3.3.2 两步人脸超分辨率重建 | 第31-32页 |
| 3.3.3 稀疏表示的监控视频人脸图像超分辨率重建的实现 | 第32-34页 |
| 3.3.4 实验结果与分析 | 第34-43页 |
| 3.4 基于稀疏表示的车牌图像超分辨率重建算法设计 | 第43-46页 |
| 3.4.1 车牌图像退化模型 | 第43页 |
| 3.4.2 车牌图像块的特征提取 | 第43-44页 |
| 3.4.3 稀疏表示的车牌图像超分辨率重建的实现 | 第44-46页 |
| 3.4.4 实验结果与分析 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于稀疏表示的图像增强 | 第47-64页 |
| 4.1 基于稀疏表示的雾霾图像增强 | 第47-54页 |
| 4.1.1 基于稀疏表示的雾霾图像增强的算法设计 | 第49-52页 |
| 4.1.2 实验结果与分析 | 第52-54页 |
| 4.2 基于稀疏表示的交通场景图像增强 | 第54-63页 |
| 4.2.1 基于稀疏表示的交通场景图像增强的算法设计 | 第54-62页 |
| 4.2.2 实验结果与分析 | 第62-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 对未来的展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
