| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 图像超分辨率重建研究现状 | 第11-13页 |
| 1.3 主要内容与章节安排 | 第13-16页 |
| 第2章 图像SRR方法概述 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 超分辨率重建模型 | 第16-19页 |
| 2.2.1 图像退化模型 | 第16-18页 |
| 2.2.2 超分辨率重建模型 | 第18-19页 |
| 2.3 图像超分辨率重建算法介绍 | 第19-26页 |
| 2.3.1 插值算法 | 第19-23页 |
| 2.3.2 重建算法 | 第23-25页 |
| 2.3.3 学习算法 | 第25-26页 |
| 2.4 小结 | 第26-28页 |
| 第3章 基于CS理论深度图像SRR实现与设计 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 深度图像质量优化 | 第28-30页 |
| 3.3 压缩感知理论 | 第30-33页 |
| 3.4 基于压缩感知理论的超分辨率重建 | 第33-36页 |
| 3.4.1 稀疏矩阵的设计与实现 | 第34页 |
| 3.4.2 降采样矩阵的设计与实现 | 第34-35页 |
| 3.4.3 重建算法的设计与实现 | 第35-36页 |
| 3.5 实验仿真与分析 | 第36-38页 |
| 3.6 小结 | 第38-40页 |
| 第4章 基于稀疏字典的深度图像SRR设计与实现 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 基于稀疏字典的SRR | 第40-44页 |
| 4.2.1 字典构建 | 第41-42页 |
| 4.2.2 重建方法 | 第42-44页 |
| 4.3 基于稀疏字典的深度图像SRR | 第44-48页 |
| 4.3.1 K-SVD字典训练算法 | 第44-46页 |
| 4.3.2 基于K-SVD字典的改进算法 | 第46-48页 |
| 4.4 实验仿真与分析 | 第48-50页 |
| 4.5 小结 | 第50-52页 |
| 第5章 融合RGB图像信息的深度图像SRR设计与实现 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 联合双边滤波超分辨率重建 | 第52-54页 |
| 5.3 引导滤波超分辨率重建 | 第54-57页 |
| 5.4 基于K-means框架深度图像SRR | 第57-62页 |
| 5.4.1 K-means算法介绍 | 第57-58页 |
| 5.4.2 基于K-means算法深度图像SRR | 第58-62页 |
| 5.5 小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |