基于分类字典稀疏表示的超分辨率重建算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 基于插值的方法 | 第13-14页 |
| 1.2.2 基于重建的方法 | 第14-15页 |
| 1.2.3 基于学习的方法 | 第15-19页 |
| 1.3 重建图像的质量评价标准 | 第19-21页 |
| 1.3.1 主观评价标准 | 第19-20页 |
| 1.3.2 客观评价标准 | 第20-21页 |
| 1.4 主要研究内容和章节安排 | 第21-23页 |
| 1.4.1 论文主要研究内容 | 第21-22页 |
| 1.4.2 章节安排 | 第22-23页 |
| 第二章 基于稀疏表示的超分辨率图像重建技术 | 第23-36页 |
| 2.1 稀疏表示介绍 | 第23-28页 |
| 2.1.1 稀疏表示的数学模型 | 第23-24页 |
| 2.1.2 稀疏编码 | 第24-26页 |
| 2.1.3 过完备字典学习方式 | 第26-28页 |
| 2.2 基于稀疏表示的超分辨率图像重建 | 第28-34页 |
| 2.2.1 算法原理 | 第28-30页 |
| 2.2.2 训练字典的流程 | 第30-33页 |
| 2.2.3 图像重建流程 | 第33-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 基于结构张量的分类字典算法 | 第36-55页 |
| 3.1 引言 | 第36页 |
| 3.2 图像分类对字典的改进 | 第36-41页 |
| 3.2.1 K-means聚类算法 | 第36-38页 |
| 3.2.2 基于结构张量的图像描述向量 | 第38-40页 |
| 3.2.3 基于结构张量的标量型纹理描述子 | 第40-41页 |
| 3.2.4 基于结构张量的结构描述向量 | 第41页 |
| 3.3 基于结构张量的分类字典算法 | 第41-45页 |
| 3.3.1 字典训练 | 第42-43页 |
| 3.3.2 重建算法 | 第43-45页 |
| 3.4 验结果与分析 | 第45-53页 |
| 3.4.1 聚类参数的设置 | 第47-48页 |
| 3.4.2 分类字典可视化分析 | 第48-49页 |
| 3.4.3 冗余信息补偿实验 | 第49页 |
| 3.4.4 与其他算法的效果比较 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于图像哈希的分类字典算法 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 基于图像哈希的图像分类算法 | 第55-59页 |
| 4.2.1 图像哈希相关概念 | 第55-57页 |
| 4.2.2 基于图像哈希的图像结构划分方法 | 第57-59页 |
| 4.3 基于图像哈希分类的超分辨率重建算法 | 第59-60页 |
| 4.4 仿真实验与分析 | 第60-66页 |
| 4.4.1 字典的可视化 | 第61-62页 |
| 4.4.2 不同字典数的实验效果 | 第62页 |
| 4.4.3 算法对比实验 | 第62-65页 |
| 4.4.4 时间分析 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
