首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于正则化模型的超分辨率图像算法研究

摘要第5-7页
ABSTRACT第7-8页
目录第9-11页
图录第11-13页
表录第13-14页
第一章 绪论第14-17页
    1.1 超分辨率的研究背景第14页
    1.2 主要方法第14-15页
    1.3 研究内容及创新点第15-16页
    1.4 论文章节安排第16-17页
第二章 基于插值的超分辨率算法第17-24页
    2.1 一维内插和二维内插介绍第17-22页
        2.1.1 双线次插值及双三次插值算法 (bilinear and bi-cubic)第17页
        2.1.2 基于方向的一维内插算法第17-20页
        2.1.3 一维内插与二维内插的比较第20-22页
    2.2 改进方法第22-24页
第三章 基于重建的超分辨率算法第24-40页
    3.1 基于重建的超分辨率算法概论第24-25页
    3.2 基于图像块的梯度增强快速算法第25-29页
    3.3 基于重建算法的优化解法第29-34页
        3.3.1 梯度下降法第29-30页
        3.3.2 傅里叶变换法第30-31页
        3.3.3 One-shot 解法第31-32页
        3.3.4 块处理方法的实验结果第32-34页
    3.4 基于梯度增强和稀疏约束的超分辨率重建第34-39页
    3.5 本章小结第39-40页
第四章 基于四元数稀疏表征的超分辨率算法第40-50页
    4.1 基于稀疏表征的超分辨率算法概论第40页
    4.2 四元数运算第40-41页
    4.3 四元数稀疏表征第41-44页
        4.3.1 四元数稀疏表征的形式第41-42页
        4.3.2 四元数字典的训练第42-44页
    4.4 基于四元数稀疏表征的超分辨率重建算法第44-49页
        4.4.1 联合字典训练第44-45页
        4.4.2 基于四元数稀疏表征的超分辨率重建算法第45-46页
        4.4.3 实验结果第46-49页
    4.5 本章小结第49-50页
第五章 基于样本学习和重建的结合算法第50-75页
    5.1 基于样本学习的超分辨率算法第50-57页
        5.1.1 基于外部样本学习的超分辨率算法第50-53页
        5.1.2 基于自身样本学习的超分辨率算法第53-57页
    5.2 基于自身样本学习与分形重建的超分辨率算法第57-65页
        5.2.1 基于分形的梯度增强算法第57-60页
        5.2.2 基于分形重建和自样本学习的统一超分辨率框架第60-63页
        5.2.3 实验结果第63-65页
    5.3 基于相位一致性分析的超分辨率算法第65-74页
        5.3.1 基于相位一致性的纹理边缘平滑区域分割第65-70页
        5.3.2 基于相位一致性的超分辨率算法框架第70-72页
        5.3.3 实验结果第72-74页
    5.4 本章小结第74-75页
第六章 结束语第75-77页
    6.1 主要工作与创新点第75页
    6.2 后续研究工作第75-77页
参考文献第77-81页
致谢第81-83页
攻读硕士学位期间已发表或录用的论文第83页

论文共83页,点击 下载论文
上一篇:基于网络操作系统的负载均衡应用框架设计
下一篇:RFID标签估算算法研究