基于稀疏表示的图像超分辨率重建技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 图像的超分辨率技术概述 | 第10-15页 |
| 1.2.1 国内外研究现状 | 第12-14页 |
| 1.2.2 总结与展望 | 第14-15页 |
| 1.3 论文的研究内容 | 第15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 2 稀疏表示理论 | 第17-29页 |
| 2.1 引言 | 第17-18页 |
| 2.2 稀疏表示模型 | 第18-19页 |
| 2.3 稀疏优化算法 | 第19-24页 |
| 2.3.1 贪婪追踪算法 | 第19-21页 |
| 2.3.2 基于l_D范数的正则化算法 | 第21页 |
| 2.3.3 K-SVD算法 | 第21-24页 |
| 2.4 稀疏表示的应用 | 第24-28页 |
| 2.4.1 图像修复方面 | 第24页 |
| 2.4.2 图像去噪方面 | 第24-26页 |
| 2.4.3 人脸识别方面 | 第26-27页 |
| 2.4.4 超分辨率方面 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于稀疏表示的图像超分辨率重建算法 | 第29-47页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于稀疏表示的SR算法 | 第30-38页 |
| 3.2.1 算法的基本原理 | 第30-31页 |
| 3.2.2 样本采集 | 第31-32页 |
| 3.2.3 图像块的稀疏模型 | 第32-33页 |
| 3.2.4 稀疏字典学习 | 第33-36页 |
| 3.2.5 图像重建过程 | 第36-37页 |
| 3.2.6 全局约束优化 | 第37页 |
| 3.2.7 算法流程图 | 第37-38页 |
| 3.3 图像质量评价指标 | 第38-40页 |
| 3.3.1 峰值信噪比 | 第38-39页 |
| 3.3.2 结构相似度 | 第39-40页 |
| 3.4 图像插值算法和实验 | 第40-46页 |
| 3.4.1 最近邻插值算法 | 第40页 |
| 3.4.2 双线性插值算法 | 第40-41页 |
| 3.4.3 双三次插值算法 | 第41-42页 |
| 3.4.4 Yang等人图像超分辨率算法 | 第42-43页 |
| 3.4.5 实验比对 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 图像卡通纹理分解 | 第47-54页 |
| 4.1 引言 | 第47页 |
| 4.2 纹理描述 | 第47-48页 |
| 4.3 卡通纹理分解算法 | 第48-52页 |
| 4.3.1 Meyer图像分解模型 | 第48-50页 |
| 4.3.2 快速卡通纹理分解算法 | 第50-52页 |
| 4.4 实验结果 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于卡通纹理分解和稀疏表示的图像超分辨率重建 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 基于卡通纹理分解和稀疏表示的SR算法 | 第54-57页 |
| 5.3 算法流程 | 第57-58页 |
| 5.4 实验设计 | 第58-61页 |
| 5.5 结论 | 第61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 论文的工作总结 | 第62-63页 |
| 6.2 今后的工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-71页 |
