| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 基于插值的图像超分辨率重建 | 第17页 |
| 1.2.2 基于重建的图像超分辨率重建 | 第17-18页 |
| 1.2.3 基于学习的图像超分辨率重建 | 第18-20页 |
| 1.3 本文研究内容与结构安排 | 第20-22页 |
| 1.3.1 本文的研究内容 | 第20页 |
| 1.3.2 本文的结构安排 | 第20-22页 |
| 第二章 稀疏表示与字典学习理论 | 第22-35页 |
| 2.1 引言 | 第22-23页 |
| 2.2 稀疏表示理论 | 第23-25页 |
| 2.2.1 信号的稀疏性 | 第23-24页 |
| 2.2.2 稀疏表示的数学模型 | 第24-25页 |
| 2.3 稀疏分解优化算法 | 第25-29页 |
| 2.3.1 贪婪算法 | 第25-28页 |
| 2.3.2 凸松弛算法 | 第28-29页 |
| 2.4 字典构造 | 第29-34页 |
| 2.4.1 GPCA算法 | 第30页 |
| 2.4.2 MOD算法 | 第30-31页 |
| 2.4.3 K-SVD算法 | 第31-33页 |
| 2.4.4 在线字典学习 | 第33-34页 |
| 2.5 总结 | 第34-35页 |
| 第三章 基于字典学习的图像超分辨率重建 | 第35-41页 |
| 3.1 图像超分辨重建的数学模型 | 第35-36页 |
| 3.2 基于字典学习的图像超分辨算法基本原理 | 第36-39页 |
| 3.2.1 联合字典学习 | 第37-38页 |
| 3.2.2 局部稀疏重建模型 | 第38页 |
| 3.2.3 全局重建约束 | 第38-39页 |
| 3.3 超分辨率重建的质量评价 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于耦合特征空间下改进字典学习的图像超分辨率重建 | 第41-53页 |
| 4.1 研究思路 | 第41-42页 |
| 4.2 耦合特征空间下改进字典学习算法 | 第42-45页 |
| 4.2.1 高斯混合模型图像块聚类 | 第42-43页 |
| 4.2.2 Boost KSVD字典学习算法 | 第43-44页 |
| 4.2.3 耦合特征空间下的字典学习 | 第44-45页 |
| 4.3 图像超分辨率重建 | 第45-46页 |
| 4.4 本章算法的具体步骤 | 第46-48页 |
| 4.5 实验结果与分析 | 第48-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 边缘增强的多字典学习自然图像超分辨率重建 | 第53-63页 |
| 5.1 研究思路 | 第53-54页 |
| 5.2 基于多字典学习的超分辨重建 | 第54-55页 |
| 5.2.1 多字典学习 | 第54-55页 |
| 5.2.2 稀疏域字典自适应选择超分辨重建 | 第55页 |
| 5.3 边缘增强的超分辨率重建模型 | 第55-57页 |
| 5.4 实验结果与分析 | 第57-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士期间的学术活动及成果情况 | 第70-71页 |