基于多特征联合学习和伪影约束的单帧图像超分辨率重建
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究发展现状 | 第17-20页 |
| 1.2.1 国内外研究现状 | 第17-19页 |
| 1.2.2 发展趋势 | 第19-20页 |
| 1.3 本文的研究内容与结构安排 | 第20-22页 |
| 1.3.1 本论文研究内容 | 第20页 |
| 1.3.2 结构安排 | 第20-22页 |
| 第二章 超分辨率重建技术理论概述 | 第22-38页 |
| 2.1 图像重建原理 | 第22-23页 |
| 2.2 超分辨率重建算法分类 | 第23-30页 |
| 2.2.1 基于插值的方法 | 第23-25页 |
| 2.2.2 基于重建的方法 | 第25-27页 |
| 2.2.3 基于学习的方法 | 第27-30页 |
| 2.3 图像颜色空间 | 第30-33页 |
| 2.3.1 混合颜色空间 | 第30-31页 |
| 2.3.2 基于人眼视觉感知的颜色空间 | 第31-32页 |
| 2.3.3 电视系统颜色空间 | 第32-33页 |
| 2.4 图像质量评价 | 第33-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于稀疏表示的图像超分辨率重建算法实现 | 第38-50页 |
| 3.1 图像的稀疏表示 | 第38-40页 |
| 3.1.1 稀疏表示的约束条件 | 第38-39页 |
| 3.1.2 稀疏系数的求解 | 第39-40页 |
| 3.2 特征字典对的建立 | 第40-42页 |
| 3.2.1 图像特征提取 | 第40页 |
| 3.2.2 字典对的训练 | 第40-42页 |
| 3.3 图像重建流程及结果 | 第42-49页 |
| 3.3.1 算法流程 | 第42-43页 |
| 3.3.2 特征字典大小对重建结果的影响 | 第43-45页 |
| 3.3.3 重建结果比较 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 多特征联合学习和伪影约束优化方法设计 | 第50-62页 |
| 4.1 图像特征描述与提取 | 第50-54页 |
| 4.1.1 边缘特征 | 第50-52页 |
| 4.1.2 纹理特征 | 第52-54页 |
| 4.2 多特征联合学习方法设计及实现 | 第54-57页 |
| 4.2.1 基于内容的图像块分类准则 | 第54-56页 |
| 4.2.2 多特征字典对的建立 | 第56-57页 |
| 4.3 重建伪影约束项的建立 | 第57-60页 |
| 4.3.1 图像的自相似性 | 第58-59页 |
| 4.3.2 非局部加权正则项约束 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 超分辨率重建实验结果及分析 | 第62-74页 |
| 5.1 算法总体流程 | 第62-63页 |
| 5.2 不同颜色空间对重建结果的影响 | 第63-67页 |
| 5.3 实验结果分析 | 第67-73页 |
| 5.3.1 多特征联合学习效果分析 | 第67-70页 |
| 5.3.2 非局部加权伪影约束效果分析 | 第70-72页 |
| 5.3.3 时间性能比较 | 第72-73页 |
| 5.3.4 实拍图像重建 | 第73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-84页 |
