| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的背景和意义 | 第9-10页 |
| ·研究的国内外现状 | 第10-12页 |
| ·本文的主要工作 | 第12页 |
| ·本文的章节安排 | 第12-14页 |
| 2 基于稀疏理论的字典学习 | 第14-22页 |
| ·引言 | 第14-15页 |
| ·基于稀疏理论的字典学习 | 第15-16页 |
| ·K-SVD字典学习算法 | 第16-21页 |
| ·正交匹配追踪(OMP)算法 | 第16-18页 |
| ·K-SVD算法 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 3 图像的超分辨率重构研究 | 第22-30页 |
| ·引言 | 第22-23页 |
| ·图像的滤波特征提取 | 第23-26页 |
| ·图像的双阶导数算法 | 第23-24页 |
| ·双边滤波(Bilateral Filter) | 第24-25页 |
| ·Guided滤波 | 第25-26页 |
| ·基于稀疏理论的SR算法 | 第26-29页 |
| ·SR算法过程 | 第26-28页 |
| ·后向处理过程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于R-KSVD与示例学习的单帧图像的SR算法 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·R-KSVD算法 | 第31-32页 |
| ·基于R-KSVD的超分辨率算法 | 第32-35页 |
| ·自然图像的自相似性 | 第32-34页 |
| ·一种新的SR算法 | 第34-35页 |
| ·图像SR算法实验 | 第35-43页 |
| ·最近邻插值法实验 | 第36-37页 |
| ·双三次插值法实验 | 第37-38页 |
| ·Glasner算法实验 | 第38-39页 |
| ·基于R-KSVD的SR算法实验 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于拉普拉斯的SR算法 | 第44-53页 |
| ·引言 | 第44-45页 |
| ·LSSR算法 | 第45-47页 |
| ·改进的后向处理算法 | 第47-48页 |
| ·实验结果比对 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结及展望 | 第53-55页 |
| ·本文的工作总结 | 第53页 |
| ·今后的工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录 英文缩写与对应的全称 | 第60-61页 |
| 攻读硕士学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62-64页 |