基于压缩感知的单幅图像超分辨率重建算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·超分辨率图像重建的发展及研究现状 | 第11-12页 |
| ·论文研究内容和结构 | 第12-14页 |
| ·论文研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 超分辨率技术概述 | 第14-28页 |
| ·多帧超分辨率图像重建 | 第14-19页 |
| ·系统建模 | 第14-16页 |
| ·典型超分辨率算法 | 第16-19页 |
| ·单帧超分辨率图像率重建 | 第19-26页 |
| ·基于学习的超分辨率算法简介 | 第19-20页 |
| ·基于例子的方法 | 第20-23页 |
| ·邻域嵌入方法 | 第23-25页 |
| ·稀疏表征方法 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 压缩感知理论 | 第28-36页 |
| ·压缩感知基本准则 | 第29-30页 |
| ·稀疏基的选取与测量矩阵的设计 | 第30-32页 |
| ·稀疏基的选取 | 第30-31页 |
| ·测量矩阵的设计 | 第31-32页 |
| ·信号重建算法 | 第32-34页 |
| ·应用领域 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于压缩感知的超分辨率图像重建 | 第36-48页 |
| ·基于CS的超分辨率通用框架理论分析 | 第37-41页 |
| ·下采样低通投影矩阵L | 第37-39页 |
| ·稀疏基的选取 | 第39-40页 |
| ·CS重建算法 | 第40-41页 |
| ·基于CS的超分辨率通用框架应用 | 第41-47页 |
| ·基于小波基的CS超分辨率图像重建 | 第41-43页 |
| ·基于冗余字典的CS超分辨率图像重建 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验设计与结果分析 | 第48-59页 |
| ·基于小波基的CS超分辨率方法实验研究 | 第49-51页 |
| ·实验设计 | 第49页 |
| ·实验结果与分析 | 第49-51页 |
| ·基于冗余字典的CS超分辨率方法实验研究 | 第51-55页 |
| ·使用训练数据库的实验 | 第51-53页 |
| ·自我训练的实验 | 第53-55页 |
| ·多种算法比较 | 第55-58页 |
| ·实验设计 | 第55页 |
| ·实验结果与分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·未来工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 个人简历 | 第65-66页 |
| 攻读硕士期间取得的研究成果 | 第66页 |
