首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于学习的图像超分辨率重建算法研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-13页
    1.1 研究背景及意义第9-10页
    1.2 图像超分辨率重建研究现状第10-12页
    1.3 本文主要研究内容第12-13页
第二章 基于学习的超分辨率重建理论及方法第13-23页
    2.1 超分辨率重建理论第13-16页
        2.1.1 基本概念与问题描述第13-14页
        2.1.2 超分辨率重建图像质量评价第14-16页
    2.2 基于学习的超分辨率方法研究第16-18页
        2.2.1 基于示例学习的超分辨率重建算法第16-18页
        2.2.2 基于向量机学习的超分辨率重建算法第18页
    2.3 基于稀疏理论的学习算法第18-21页
        2.3.1 图像的稀疏表示与其模型第19-20页
        2.3.2 稀疏表示的优化第20页
        2.3.3 基于稀疏表示的超分辨率重建方法第20-21页
    2.4 本章小结第21-23页
第三章 改进字典学习的超分辨率方法研究第23-35页
    3.1 现有的字典学习方法第23-25页
        3.1.1 MOD算法第24页
        3.1.2 KSVD算法第24-25页
    3.2 改进KSVD字典学习算法第25-27页
    3.3 低秩矩阵结合改进字典学习的超分辨率重建第27-31页
        3.3.1 低秩矩阵恢复理论及数值求解第27-29页
        3.3.2 算法流程第29页
        3.3.3 实验结果及分析第29-31页
    3.4 小波域改进字典学习的超分辨率重建第31-34页
        3.4.1 小波域字典构建第31-32页
        3.4.2 算法流程第32-33页
        3.4.3 实验结果及实验分析第33-34页
    3.5 本章小结第34-35页
第四章 基于极限学习机的超分辨率算法研究第35-43页
    4.1 极限学习机模型第35-37页
        4.1.1 极限学习机(ELM)第35-36页
        4.1.2 极限学习机(ELM)的学习第36-37页
    4.2 极限学习机的图像超分辨率重建算法第37-38页
    4.3 实验参数设置及分析第38-41页
        4.3.1 设置隐层单元参数第39页
        4.3.2 设置循环次数第39-41页
    4.4 本章小结第41-43页
第五章 改进字典和极限学习机的超分辨率算法第43-51页
    5.1 算法的相关技术第43-44页
        5.1.1 特征提取第43-44页
        5.1.2 正则化第44页
    5.2 改进算法描述第44-46页
        5.2.1 改进极限学习机的超分辨率重建模型第44-45页
        5.2.2 算法流程第45-46页
    5.3 改进字典和极限学习机的超分辨率重建第46-50页
        5.3.1 自然图像的超分辨率重建实验第46-49页
        5.3.2 人脸图像的超分辨率重建实验第49-50页
    5.4 本章小结第50-51页
第六章 总结与展望第51-53页
    6.1 总结第51-52页
    6.2 展望第52-53页
参考文献第53-57页
硕士生在校期间所发表的相关论文第57-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:BN催化丙烷氧化脱氢反应机理的DFT研究
下一篇:铁/钴基金属氧化物的制备及其电化学性能的研究