| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容及组织结构 | 第11-14页 |
| 第二章 超分辨率重建原理 | 第14-32页 |
| 2.1 超分辨率重建的基本原理 | 第14-16页 |
| 2.1.1 超分辨率重建的概念 | 第14页 |
| 2.1.2 退化模型 | 第14-16页 |
| 2.2 典型的图像超分辨率重建方法 | 第16-25页 |
| 2.2.1 基于插值的方法 | 第16-18页 |
| 2.2.2 基于重建的方法 | 第18-21页 |
| 2.2.3 基于学习的方法 | 第21-25页 |
| 2.3 稀疏超分辨率重建原理 | 第25-30页 |
| 2.3.1 稀疏表示模型 | 第25-26页 |
| 2.3.2 稀疏表示分解算法 | 第26-29页 |
| 2.3.3 稀疏表示字典的构造 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于自适应多字典学习及结构自相似性的图像超分辨率重建方法 | 第32-44页 |
| 3.1 利用自身图像构造字典学习的样本 | 第32-36页 |
| 3.1.1 图像的多尺度结构自相似性 | 第32-34页 |
| 3.1.2 图像金字塔 | 第34-35页 |
| 3.1.3 利用自相似性产生图像金字塔 | 第35-36页 |
| 3.2 自适应多字典的构造 | 第36-39页 |
| 3.2.1 字典学习 | 第36-37页 |
| 3.2.2 子字典选择 | 第37-39页 |
| 3.3 非局部结构自相似性 | 第39-40页 |
| 3.4 自适应多字典学习与结构自相似性的结合 | 第40-43页 |
| 3.4.1 结合后的重建模型 | 第40-42页 |
| 3.4.2 算法流程 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 实验结果与分析 | 第44-58页 |
| 4.1 图像超分辨率的评价指标 | 第44-46页 |
| 4.1.1 主观评价 | 第44页 |
| 4.1.2 客观评价 | 第44-46页 |
| 4.2 实验对象与参数设定 | 第46-48页 |
| 4.3 实验结果分析 | 第48-56页 |
| 4.3.1 不加噪声情况 | 第48-51页 |
| 4.3.2 加噪声情况 | 第51-53页 |
| 4.3.3 初始重建图像和参数对实验结果的影响 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 超分辨率重建在医学图像上的应用 | 第58-64页 |
| 5.1 医学图像的超分辨率重建 | 第58-59页 |
| 5.2 实验结果分析 | 第59-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 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 |
| 发表论文和参加科研情况 | 第70-72页 |
| 致谢 | 第72页 |