| Abstract | 第6-7页 |
| Dedication | 第8-9页 |
| TABLE OF CONTENTS | 第9-13页 |
| List of Figures | 第13-15页 |
| List of Tables | 第15-16页 |
| List of Abbreviations | 第16-19页 |
| CHAPTER 1 INTRODUCTION | 第19-31页 |
| 1.1 THE DEFINITION OF RESOLUTIGN | 第20-21页 |
| 1.1.1 Pixel Resolution | 第20页 |
| 1.1.2 Spatial Resolution | 第20-21页 |
| 1.1.3 Brightness Resolution | 第21页 |
| 1.1.4 Temporal Resolution | 第21页 |
| 1.1.5 Spectral Resolution | 第21页 |
| 1.2 MOTIVATION FOR USING SUPER RESOLUTION METHODS | 第21-23页 |
| 1.2.1 Different Ways Resolution Enhancement and Limits on Them | 第22-23页 |
| 1.2.1.1 Hardware Solution | 第22-23页 |
| 1.2.1.2 Software Solution | 第23页 |
| 1.3 DEFINITION OF SUPER RESOLUTION | 第23-28页 |
| 1.3.1 What is Super Resolution? | 第24-26页 |
| 1.3.2 Applications of Super Resolution | 第26-27页 |
| 1.3.3 3 Key Concepts about Super Resolution | 第27-28页 |
| 1.4 AUTHOR'S CONTRIBUTION | 第28-29页 |
| 1.5 ORGANIZATION OF THESIS | 第29-30页 |
| REFERENCES | 第30-31页 |
| CHAPTER 2 INTRODUCTION TO IMAGE SUPER RESOLUTION | 第31-76页 |
| 2.1 INTRODUCTION | 第31-32页 |
| 2.2 LOW RESOLUTION INPUT IMAGES | 第32-33页 |
| 2.3 OBSERVATION MODEL FOR SUPER RESOLUTION IMAGE | 第33-35页 |
| 2.4 MULTI-IMAGE SR TECHNIOUES | 第35-46页 |
| 2.4.1 Frequeney Domain Techniques | 第36-39页 |
| 2.4.1.1 Alias Removal Reconstruction Methods | 第36-37页 |
| 2.4.1.2 Recursive Least Square Method | 第37-38页 |
| 2.4.1.3 Recursive Total Least Square Method | 第38页 |
| 2.4.1.4 Two Phase SR Approach by Tom and Katsaggelos | 第38页 |
| 2.4.1.5 Wavelet Based SR reconstruction Models | 第38-39页 |
| 2.4.2 Spatial Domain Techniques | 第39-46页 |
| 2.4.2.1 Non-uniform Interpolation | 第39-40页 |
| 2.4.2.2 Projection onto Convex Sets(POCS) | 第40-42页 |
| 2.4.2.3 Iterative Back-projection(IBP) | 第42-43页 |
| 2.4.2.4 Maximum A-posteriori(MAP) | 第43-44页 |
| 2.4.2.5 MAP/ML-POCS Hybrid Super resolution | 第44-45页 |
| 2.4.2.6 Optimal and Adaptive Filtering SR Technique | 第45-46页 |
| 2.4.2.7 Tikhonov-Arsenin Regularization Method | 第46页 |
| 2.5 SINGLE IMAGE SUPER RESOLUTION TECHNIOUES | 第46-55页 |
| 2.5.1 Freeman et al.fast NN-based Method | 第47-52页 |
| 2.5.1.1 Training Set Generation | 第48-49页 |
| 2.5.1.2 Markov Network Algorithm | 第49-50页 |
| 2.5.1.3 One Pass Algorithm | 第50-52页 |
| 2.5.2 Chang et al.LLE Method | 第52-54页 |
| 2.5.4 Super Resolution from Sparse Representation ofpatches ofLR Images | 第54-55页 |
| 2.6 EXPERIMENTS AND SIMULATION RESULTS | 第55-57页 |
| 2.7 QUALITY ASSESSMENT METRICS FOR SUPER RESOLUTION OF IMAGES | 第57-67页 |
| 2.7.1 Subjectivc Test Methods | 第57-58页 |
| 2.7.2 Objective Test Methods | 第58-59页 |
| 2.7.2.1 Full Reference Quality Assessment Metrics | 第58-59页 |
| 2.7.3 Our Methodology | 第59-60页 |
| 2.7.4 Quality Metric Based Comparison of SR Techniques | 第60-61页 |
| 2.7.5 Noise Effect on Image Quality | 第61-65页 |
| 2.7.6 Number of Images Effect on the Image Quality | 第65-66页 |
| 2.7.7 Effect of Number of Iterations on Image Quality | 第66-67页 |
| 2.8 SUMMARY | 第67-68页 |
| REFERENCES | 第68-76页 |
| CHAPTER 3 ADEQUATE AND REALISTIC STRATEGY FOR SUPER RESOLUTION IMAGING | 第76-85页 |
| 3.1 INTRODUCTION | 第76页 |
| 3.2 RELATED WORK | 第76-77页 |
| 3.3 PROPOSED METHOD | 第77-82页 |
| 3.3.1 Key Steps of Our Method | 第78-82页 |
| 3.4 SIMULATION RESULTS | 第82-83页 |
| 3.5 SUMMARY | 第83-84页 |
| REFERENCES | 第84-85页 |
| CHAPTER 4 APPLYING NON-PARAMETRIC SUPER RESOLUTION TECHNIQUES IN RADAR FOROBJECT RECOGNITION | 第85-100页 |
| 4.1 INTRODUCTION | 第85-86页 |
| 4.2 RADAR | 第86-87页 |
| 4.3 SIGNAL-TO-NOISE RATIO IN A RADAR SYSTEM | 第87页 |
| 4.4 RADAR RESOLUTION | 第87-90页 |
| 4.4.1 Range Resolution | 第88-89页 |
| 4.4.2 Angular Resolution | 第89页 |
| 4.4.3 Doppler Resolution | 第89-90页 |
| 4.5 RADAR POINT SPREAD FUNCTION | 第90-91页 |
| 4.6 OBJECT RECOGNITION USING SUPER RESOLUTION TECHNIQUES | 第91-95页 |
| 4.6.1 Imaging Model | 第92页 |
| 4.6.2 Super Resolution Algorithms | 第92-95页 |
| 4.6.2.1 Matrix Inverse | 第93页 |
| 4.6.2.2 Minimum Mean Square Error(MMSE) | 第93-94页 |
| 4.6.2.3 Singular Value Decomposition(SVD) | 第94-95页 |
| 4.7 COMPARISON AND SIMULATION RESULTS | 第95-97页 |
| 4.8 SUMMARY | 第97页 |
| REFERENCES | 第97-100页 |
| CHAPTER 5 A PROPOSED FUTURISTIC FRAMEWORK FOR IMAGE SUPER RESOLUTION IN THEMOBILE CLOUD COMPUTING PLATFORM | 第100-118页 |
| 5.1 INTRODUCTION | 第100-101页 |
| 5.1.1 Why we choose Mobile Cloud Computing | 第100-101页 |
| 5.2 CLOUD COMPUTING | 第101-102页 |
| 5.3 MOBILE CLOUD COMPUTING | 第102-107页 |
| 5.3.1 What is Mobile Cloud Computing? | 第103页 |
| 5.3.2 Architecture of MCC | 第103-105页 |
| 5.3.2.1 Mobile Devices | 第104页 |
| 5.3.2.2 Mobile Networks/Network Operators | 第104-105页 |
| 5.3.2.3 Internet Service Provider(ISP) | 第105页 |
| 5.3.2.4 Cloud Computing Infrastructure | 第105页 |
| 5.3.3 Application of MCC | 第105-106页 |
| 5.3.4 Advantages of Mobile Cloud Computing | 第106-107页 |
| 5.3.4.1 Larger Storage Capacity and Effective sharing of Data | 第106页 |
| 5.3.4.2 Save Battery Lifetime | 第106页 |
| 5.3.4.3 Improved Security and Reliability | 第106-107页 |
| 5.3.4.4 Network Bandwidth and Latency | 第107页 |
| 5.3.4.5 Network Availability and Intermittency | 第107页 |
| 5.4 RELATED WORK | 第107-109页 |
| 5.4.1 Mobile Image Processing | 第107-109页 |
| 5.5 PROPOSED FRAMEWORK | 第109-113页 |
| 5.5.1 Research Motivation | 第109页 |
| 5.5.2 Research Method | 第109-112页 |
| 5.5.3 Experiment Performed and its Results | 第112-113页 |
| 5.6 SUMMARY | 第113-114页 |
| REFERENCES | 第114-118页 |
| CHAPTER 6 CONCLUSION AND FUTURE WORK | 第118-122页 |
| 6.1 RESEARCH SUMMARY | 第118-120页 |
| 6.1.1 Super Resolution | 第118-119页 |
| 6.1.2 Target Recognition | 第119页 |
| 6.1.3 A Proposed Futuristic Framework | 第119-120页 |
| 6.2 RECOMMENDATIONS FOR FUTURE RESEARCH | 第120-122页 |
| LIST OF PUBLICATIONS | 第122-123页 |
| ACKNOWLEDGEMENTS | 第123-124页 |
