基于学习的低阶视觉问题研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景 | 第9-10页 |
| ·计算机视觉研究综述 | 第10-11页 |
| ·Marr的视觉理论框架 | 第11-12页 |
| ·低阶视觉问题的研究前景 | 第12-14页 |
| ·本文的研究内容及章节安排 | 第14-15页 |
| 第2章 基于学习的图像超分辨率的研究 | 第15-39页 |
| ·图像超分辨率 | 第15-18页 |
| ·超分辨率 | 第15-16页 |
| ·图像超分辨研究的意义 | 第16-17页 |
| ·图像超分辨率的研究分类 | 第17-18页 |
| ·图像超分辨率的数学描述 | 第18-21页 |
| ·低分辨率图像的物理观察模型 | 第18-19页 |
| ·低分辨率图像观察模型数学表示 | 第19-20页 |
| ·超分辨率技术的模型的数学表述 | 第20-21页 |
| ·单幅图像超分辨率技术 | 第21-29页 |
| ·基于函数插值的方法 | 第21-24页 |
| ·基于重建限制的方法 | 第24-25页 |
| ·基于学习的方法 | 第25-29页 |
| ·面向单幅图像超分辨率的三层网络模型 | 第29-38页 |
| ·面向单幅图像超分辨率的三层网络模型 | 第29-34页 |
| ·多阶段的基于学习的图像超分辨率技术 | 第34-36页 |
| ·系统模拟与实验结果对比 | 第36-38页 |
| ·结论与讨论 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于学习的面向压缩图像的图像重建 | 第39-57页 |
| ·什么是图像重建 | 第39-40页 |
| ·图像重建 | 第39-40页 |
| ·图像重建的研究意义 | 第40页 |
| ·图像重建的数学表述 | 第40-43页 |
| ·面向压缩图像的基于学习的图像重建 | 第43-51页 |
| ·相关工作 | 第43-44页 |
| ·提出的图像重建框架 | 第44-46页 |
| ·图像重建中的关键技术 | 第46-51页 |
| ·试验结果与分析 | 第51-56页 |
| ·产生的图像信号 | 第51页 |
| ·图像重建框架的性能 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 面向低阶视觉的学习策略 | 第57-64页 |
| ·图像先验知识的学习框架 | 第57-58页 |
| ·图像本质块的特性 | 第58-61页 |
| ·图像本质块的聚类 | 第61-62页 |
| ·图像的本质块 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
