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 |
