| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 图像超分辨率技术的理论基础 | 第11-15页 |
| 1.3.1 分辨率的概念及理解 | 第11-14页 |
| 1.3.2 常见的与图像超分辨率重建相似概念的分析 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 图像超分辨率方法概述 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 图像超分辨率技术的主要方法 | 第17-23页 |
| 2.2.1 基于重建的方法 | 第18-20页 |
| 2.2.2 基于学习的方法 | 第20-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于学习的人脸超分辨率算法 | 第25-45页 |
| 3.1 引言 | 第25页 |
| 3.2 DCT 变换和 IDCT 变换 | 第25-27页 |
| 3.2.1 基于 DCT 变换的图像压缩 | 第25页 |
| 3.2.2 DCT/IDCT 变换的常见表达式 | 第25-27页 |
| 3.3 图像退化模型 | 第27页 |
| 3.4 算法选择问题的探讨 | 第27-29页 |
| 3.4.1 算法有效性验证 | 第27-28页 |
| 3.4.2 DCT 系数分析 | 第28-29页 |
| 3.4.3 DC 系数的推断 | 第29页 |
| 3.5 AC 系数推理模型 | 第29-33页 |
| 3.5.1 基于马尔科夫随机场的 AC 系数推理模型 | 第29-31页 |
| 3.5.2 AC 系数相关性 | 第31页 |
| 3.5.3 简化的 AC 系数推理模型 | 第31-33页 |
| 3.6 算法框架详细描述 | 第33-35页 |
| 3.7 基于 DCT 变换的人脸超分辨率算法实现 | 第35-44页 |
| 3.7.1 基于 DCT 域的图像库的训练 | 第35-38页 |
| 3.7.2 基于训练码本的图像重构 | 第38-42页 |
| 3.7.3 基于 DCT 变换的图像超分辨率算法改进 | 第42-44页 |
| 3.8 本章小结 | 第44-45页 |
| 第4章 基于频带分析的人脸超分辨率算法 | 第45-62页 |
| 4.0 引言 | 第45-46页 |
| 4.1 基于频带分析的人脸超分辨率算法合理性分析 | 第46页 |
| 4.2 低频带部分生成 | 第46-52页 |
| 4.2.1 DCT 上采样的理论基础 | 第47-48页 |
| 4.2.2 图像等分 | 第48-49页 |
| 4.2.3 图像加倍 | 第49-50页 |
| 4.2.4 任意比例 DCT 采样 | 第50-52页 |
| 4.2.5 低频带恢复过程 | 第52页 |
| 4.3 高频带部分生成 | 第52-57页 |
| 4.3.1 高频带恢复模型的理论基础 | 第52-56页 |
| 4.3.2 高频带恢复过程 | 第56-57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 4.4.1 实验所用图片来源 | 第57-59页 |
| 4.4.2 实验影响的条件 | 第59-60页 |
| 4.4.3 实验结果 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |
