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

序列图像超分辨率重建技术研究

摘要第1-6页
ABSTRACT第6-12页
第1章 绪论第12-22页
   ·课题的背景及研究意义第12-15页
   ·国内外研究现状第15-18页
     ·国际上本学科领域的发展状况第15-17页
     ·国内本学科领域的发展状况第17页
     ·超分辨率重建技术发展趋势第17-18页
   ·论文的主要工作第18-20页
   ·论文的内容安排第20-22页
第2章 序列图像的超分辨率重建第22-41页
   ·序列图像超分辨率重建问题的理论模型与处理步骤第22-25页
     ·序列图像超分辨率重建的理论模型第22-23页
     ·序列图像超分辨率重建问题的基本处理步骤第23-25页
   ·序列图像超分辨率重建问题的两个特性第25-27页
     ·反问题第25-26页
     ·病态性第26-27页
   ·序列图像超分辨率重建方法的分类第27-37页
     ·频域重建方法第27-29页
     ·空域重建方法第29-37页
   ·重建图像质量评价标准第37-40页
     ·有参考质量评价第37-39页
     ·无参考质量评价第39-40页
   ·本章小结第40-41页
第3章 基于小波分解与多约束准则改进的序列图像配准第41-62页
   ·引言第41-42页
   ·图像配准第42-52页
     ·图像配准定义第42-44页
     ·图像配准算法第44-52页
   ·基于小波分解和多约束准则改进的序列图像配准第52-57页
     ·基于小波多分辨的图像分解第52-54页
     ·基于小波分解和多约束准则改进的序列图像配准第54-57页
   ·实验结果与分析第57-61页
   ·本章小结第61-62页
第4章 基于全变分正则模型的超分辨率重建第62-78页
   ·引言第62页
   ·应用于超分辨率重建的正则化技术第62-66页
     ·Tikhonov 正则化方法第63页
     ·共轭梯度法第63-65页
     ·基于非局部滤波的正则化方法第65-66页
   ·基于全变分正则化的重建方法第66-69页
     ·有界变分函数空间与全变分函数第66-67页
     ·超分辨率重建中的全变分正则化方法第67-69页
   ·基于自适应耦合局部数字全变分的超分辨率重建第69-72页
   ·实验结果与分析第72-76页
   ·本章小结第76-78页
第5章 结合学习理论与自适应正则模型的超分辨率重建第78-102页
   ·引言第78-79页
   ·基于学习的高分辨率迭代初始图像生成第79-91页
     ·基于学习的超分辨率重建第79-80页
     ·基于稀疏表示模型的超分辨率重建第80-83页
     ·基于学习和稀疏表示的重建初始图像生成第83-87页
     ·实验结果与分析第87-91页
   ·基于学习和自适应三边滤波正则化的超分辨率重建第91-100页
     ·基于三边滤波正则化的超分辨率重建第91-94页
     ·基于学习和自适应三边滤波正则化的超分辨率重建第94-96页
     ·实验结果与分析第96-100页
   ·本章小结第100-102页
第6章 基于通道信息联合约束的彩色图像序列超分辨率重建第102-115页
   ·引言第102页
   ·彩色图像超分辨率重建中常用的色彩空间第102-107页
     ·RGB 色彩空间第103-104页
     ·HSV 色彩空间第104-105页
     ·YUV 色彩空间第105-106页
     ·YCbCr 色彩空间第106-107页
   ·彩色图像超分辨率重建方法简介第107-109页
     ·通道信息分离重建方法第107-108页
     ·通道信息联合重建方法第108-109页
   ·基于通道信息联合约束的彩色序列图像超分辨率重建第109-112页
   ·实验结果与分析第112-114页
   ·本章小结第114-115页
第7章 总结与展望第115-119页
   ·全文总结第115-116页
   ·工作展望第116-119页
参考文献第119-136页
攻读博士期间完成的论文第136-137页
致谢第137-138页

论文共138页,点击 下载论文
上一篇:基于压缩感知理论的水下成像技术和图像压缩编码技术研究
下一篇:基于图像不变量特征的自动目标识别技术研究