基于智能监控系统的图像质量增强算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 相关领域的研究现状 | 第9-12页 |
| 1.2.1 图像去模糊技术概况 | 第9-11页 |
| 1.2.2 超分辨率重建技术概况 | 第11-12页 |
| 1.3 本论文的主要工作及结构安排 | 第12-14页 |
| 1.3.1 论文的主要工作 | 第12-13页 |
| 1.3.2 论文的结构安排 | 第13-14页 |
| 第二章 图像复原相关背景知识 | 第14-28页 |
| 2.1 图像退化模型 | 第14页 |
| 2.2 图像去模糊模型 | 第14-21页 |
| 2.2.1 逆滤波算法 | 第15-17页 |
| 2.2.2 维纳滤波算法 | 第17-19页 |
| 2.2.3 Lucy-Richardson算法 | 第19-21页 |
| 2.3 超分辨率常用算法 | 第21-25页 |
| 2.3.1 基于插值的超分辨率方法 | 第22-24页 |
| 2.3.2 基于重建的超分辨率方法 | 第24-25页 |
| 2.3.3 基于学习的超分辨率方法 | 第25页 |
| 2.4 图像质量评价 | 第25-27页 |
| 2.4.1 图像质量主观评价方法 | 第25-26页 |
| 2.4.2 图像质量客观评价方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 稀疏编码 | 第28-37页 |
| 3.1 稀疏编码 | 第28-32页 |
| 3.1.1 稀疏编码定义 | 第29-30页 |
| 3.1.2 稀疏表示常用算法 | 第30-32页 |
| 3.2 字典构建 | 第32-36页 |
| 3.2.1 MOD算法 | 第32-33页 |
| 3.2.2 K-SVD算法 | 第33-34页 |
| 3.2.3 主成分分析 | 第34-35页 |
| 3.2.4 字典生成 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 图像恢复模型 | 第37-46页 |
| 4.1 图像恢复模型 | 第37-41页 |
| 4.1.1 稀疏编码噪声 | 第37-38页 |
| 4.1.2 图像恢复模型 | 第38-39页 |
| 4.1.3 非局部均值(NLM)算法 | 第39-41页 |
| 4.2 RNLM算法 | 第41-45页 |
| 4.2.1 RNLM算法原理 | 第41-44页 |
| 4.2.2 RNLM算法测试 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 实验结果 | 第46-52页 |
| 5.1 图像去噪 | 第46-48页 |
| 5.1.1 图像去噪步骤 | 第46页 |
| 5.1.2 图像去噪实验结果 | 第46-48页 |
| 5.2 图像去模糊 | 第48-49页 |
| 5.3 图像超分辨率分析 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
