基于样本聚类的稀疏表示超分辨率复原算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文内容安排 | 第9-11页 |
| 第二章 图像超分辨率技术 | 第11-22页 |
| 2.1 图像成像模型 | 第11-12页 |
| 2.2 基于插值的超分辨率算法 | 第12-15页 |
| 2.3 基于重建的超分辨率算法 | 第15-18页 |
| 2.4 基于样本学习的算法 | 第18-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 经典的稀疏表示超分辨率方法 | 第22-34页 |
| 3.1 稀疏表示理论 | 第22-23页 |
| 3.2 基于通用字典的稀疏表示方法 | 第23-29页 |
| 3.3 结合图像先验知识的稀疏表示方法 | 第29-32页 |
| 3.4 SCSR和CSR算法性能比较 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于MCA分解和样本聚类的超分辨率方法 | 第34-44页 |
| 4.1 MCA分解的基本原理 | 第34-37页 |
| 4.2 K_means图像块聚类 | 第37-38页 |
| 4.3 基于MCA分解和样本聚类的超分辨率算法 | 第38-40页 |
| 4.4 实验结果及分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于集中稀疏表示模型的超分辨率方法 | 第44-53页 |
| 5.1 初始化聚类中心的K_means算法 | 第44-45页 |
| 5.2 图像的非局部相似性原理 | 第45页 |
| 5.3 集中稀疏表示估计 | 第45-48页 |
| 5.4 自适应参数设定 | 第48-49页 |
| 5.5 基于非局部集中稀疏表示的超分辨率 | 第49-50页 |
| 5.6 实验结果分析 | 第50-52页 |
| 5.7 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
