基于邻域嵌入的图像超分辨率重建算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 图像超分辨率技术应用领域 | 第15页 |
| 1.3 图像超分辨率研究的发展与现状 | 第15-17页 |
| 1.4 本文的研究内容及组织结构 | 第17-19页 |
| 第二章 图像超分辨率重建技术介绍 | 第19-31页 |
| 2.1 图像成像系统的观测模型 | 第19页 |
| 2.2 基于重构的方法 | 第19-23页 |
| 2.2.1 频域方法 | 第20-21页 |
| 2.2.2 空域方法 | 第21-23页 |
| 2.3 基于学习的方法 | 第23-28页 |
| 2.3.1 基于马尔科夫网络的方法 | 第24-25页 |
| 2.3.2 基于邻域嵌入的方法 | 第25-26页 |
| 2.3.3 基于稀疏表示的方法 | 第26-27页 |
| 2.3.4 基于回归的方法 | 第27-28页 |
| 2.4 图像超分辨率重建算法评价标准 | 第28-30页 |
| 2.4.1 峰值信噪比 | 第29页 |
| 2.4.2 结构相似度 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于流形学习的图像超分辨率重建 | 第31-40页 |
| 3.1 流形学习 | 第31-33页 |
| 3.1.1 等距离映射算法 | 第32页 |
| 3.1.2 局部线性嵌入算法 | 第32-33页 |
| 3.2 基于邻域嵌入的图像超分辨率算法 | 第33-36页 |
| 3.2.1 图像块的特征提取 | 第35页 |
| 3.2.2 近邻块的权值计算 | 第35-36页 |
| 3.3 实验与分析 | 第36-39页 |
| 3.3.1 图像块特征选取对图像重建效果上的影响 | 第37-38页 |
| 3.3.2 近邻块的权值计算对图像重建效果的影响 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于单幅图像的超分辨率重建 | 第40-52页 |
| 4.1 相关工作介绍 | 第40-42页 |
| 4.1.1 图像的多尺度自相似性 | 第40-41页 |
| 4.1.2 基于原地匹配的自相似性 | 第41-42页 |
| 4.1.3 非局部均值 | 第42页 |
| 4.2 单幅图像下的重建算法 | 第42-45页 |
| 4.2.1 图像学习样本数据的构造 | 第42-43页 |
| 4.2.2 基于原地匹配的图像细节拟合 | 第43-44页 |
| 4.2.3 迭代约束下的逐级放大 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-51页 |
| 4.3.1 实验参数的设置 | 第45-46页 |
| 4.3.2 实验结果 | 第46-49页 |
| 4.3.3 影响图像重建效果的因素分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第58-59页 |
