基于结构稀疏模型学习的图像重构方法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-20页 |
| 第一章 绪论 | 第20-32页 |
| 1.1 研究背景与意义 | 第20-22页 |
| 1.2 研究进展与现状 | 第22-27页 |
| 1.2.1 图像超分辨问题的进展与现状 | 第22-26页 |
| 1.2.2 图像去噪问题的进展与现状 | 第26-27页 |
| 1.3 面临的问题 | 第27-28页 |
| 1.4 本文主要工作及章节安排 | 第28-32页 |
| 1.4.1 本文主要工作 | 第28-29页 |
| 1.4.2 本文组织结构 | 第29-32页 |
| 第二章 现有图像重构方法简介 | 第32-42页 |
| 2.1 图像退化模型 | 第32-33页 |
| 2.2 基于稀疏表示的图像重构算法相关工作 | 第33-36页 |
| 2.2.1 基于L1范数的稀疏表示模型 | 第33-34页 |
| 2.2.2 基于稀疏建模的图像重构 | 第34-36页 |
| 2.3 基于学习的图像超分辨算法相关工作 | 第36-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于内容检索的图像超分辨重构 | 第42-64页 |
| 3.1 引言 | 第42-44页 |
| 3.2 基于非零均值分布的稀疏模型学习 | 第44-52页 |
| 3.2.1 基于非零均值分布的结构稀疏模型 | 第44-45页 |
| 3.2.2 结构稀疏模型学习 | 第45-48页 |
| 3.2.3 基于参考图像的块匹配 | 第48-52页 |
| 3.3 基于结构稀疏模型的图像超分辨 | 第52-53页 |
| 3.4 实验结果 | 第53-57页 |
| 3.4.1 实验设置 | 第53-54页 |
| 3.4.2 Bicubic下采样方式 | 第54-56页 |
| 3.4.3 高斯模糊下采样方式 | 第56-57页 |
| 3.5 本章小结 | 第57-64页 |
| 第四章 基于内容检索的图像去噪方法 | 第64-84页 |
| 4.1 引言 | 第64-66页 |
| 4.2 基于深度网络特征的图像检索 | 第66-67页 |
| 4.3 基于图像检索的结构稀疏模型学习 | 第67-72页 |
| 4.3.1 基于拉普拉斯尺度混合模型的稀疏表示 | 第67-69页 |
| 4.3.2 基于相似图像的图像块匹配 | 第69-70页 |
| 4.3.3 基于参考图像的结构稀疏模型学习 | 第70-72页 |
| 4.4 基于结构稀疏模型的图像去噪 | 第72-74页 |
| 4.4.1 求解稀疏系数分布 | 第72-74页 |
| 4.4.2 求解重构干净图像 | 第74页 |
| 4.5 实验结果 | 第74-80页 |
| 4.5.1 实验设置 | 第74-75页 |
| 4.5.2 实验结果分析 | 第75-80页 |
| 4.6 本章小结 | 第80-84页 |
| 第五章 基于结构稀疏模型学习的图像超分辨 | 第84-106页 |
| 5.1 引言 | 第84-86页 |
| 5.2 结构稀疏模型学习 | 第86-93页 |
| 5.2.1 基于拉普拉斯尺度混合模型的稀疏表示 | 第86-89页 |
| 5.2.2 基于结构稀疏模型的图像超分辨 | 第89-90页 |
| 5.2.3 稀疏系数的均值估计 | 第90-93页 |
| 5.3 模型优化求解 | 第93-95页 |
| 5.4 实验结果 | 第95-102页 |
| 5.4.1 实验设置 | 第95-97页 |
| 5.4.2 Bicubic下采样方式 | 第97-98页 |
| 5.4.3 高斯模糊下采样方式 | 第98-102页 |
| 5.5 本章小结 | 第102-106页 |
| 第六章 总结与展望 | 第106-110页 |
| 6.1 研究总结 | 第106-107页 |
| 6.2 研究展望 | 第107-110页 |
| 参考文献 | 第110-120页 |
| 致谢 | 第120-122页 |
| 作者简介 | 第122-124页 |
