| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 缩写清单 | 第17-22页 |
| 1 绪论 | 第22-44页 |
| 1.1 研究背景与意义 | 第22-23页 |
| 1.2 研究现状 | 第23-41页 |
| 1.2.1 压缩感知成像研究现状 | 第23-29页 |
| 1.2.2 时域超分辨成像研究现状 | 第29-41页 |
| 1.3 论文章节安排 | 第41-42页 |
| 1.4 创新说明 | 第42-44页 |
| 2 时域超分辨率压缩感知成像 | 第44-58页 |
| 2.1 压缩感知理论 | 第44-48页 |
| 2.1.1 压缩感知理论基础 | 第44-47页 |
| 2.1.2 RIP条件 | 第47-48页 |
| 2.2 时域超分辨成像 | 第48-56页 |
| 2.2.1 时域压缩感知模型 | 第48-51页 |
| 2.2.2 编码曝光函数 | 第51-53页 |
| 2.2.3 时域超分辨率重建 | 第53-56页 |
| 2.3 本章小结 | 第56-58页 |
| 3 基于编码特性的运动区域分割与时域超分辩成像方法 | 第58-88页 |
| 3.1 观测图像散粒特征分析与编码曝光函数构建 | 第60-64页 |
| 3.1.1 散粒特征分析 | 第60-61页 |
| 3.1.2 曝光编码函数构建 | 第61-64页 |
| 3.2 基于观测图像散粒特征的运动区域分割 | 第64-67页 |
| 3.2.1 图像散粒特征提取 | 第64-66页 |
| 3.2.2 运动区域分割 | 第66-67页 |
| 3.3 基于混合高斯模型的重建算法 | 第67-76页 |
| 3.3.1 混合高斯分布 | 第67-69页 |
| 3.3.2 基于EM算法的参数训练 | 第69-73页 |
| 3.3.3 视频信号重建 | 第73-76页 |
| 3.4 时域超分辨成像实验系统 | 第76-79页 |
| 3.4.1 数字微镜阵列 | 第76-77页 |
| 3.4.2 实验装置原理及结构 | 第77-79页 |
| 3.5 实验结果与讨论 | 第79-87页 |
| 3.5.1 仿真结果分析 | 第79-85页 |
| 3.5.2 实拍结果分析 | 第85-87页 |
| 3.6 本章小结 | 第87-88页 |
| 4 基于运动分布估计的自适应时域超分辨成像方法 | 第88-111页 |
| 4.1 基于信号相关性的时域超分辨方法研究 | 第88-97页 |
| 4.1.1 基于KSVD的分类字典训练 | 第89-90页 |
| 4.1.2 帧间运动量的相关性分析 | 第90-92页 |
| 4.1.3 图像运动区域分割与分类重建 | 第92-95页 |
| 4.1.4 实验结果与讨论 | 第95-97页 |
| 4.2 基于插值方法的时域超分辨方法研究 | 第97-109页 |
| 4.2.1 连续等长曝光编码模式分析 | 第98-100页 |
| 4.2.2 观测图像快速插值方法 | 第100-102页 |
| 4.2.3 运动量估计与自适应重建 | 第102-104页 |
| 4.2.4 实验结果与讨论 | 第104-109页 |
| 4.3 本章小结 | 第109-111页 |
| 5 基于时域超分辨的图像复原方法 | 第111-133页 |
| 5.1 典型的图像复原方法 | 第111-116页 |
| 5.1.1 图像非盲复原 | 第112-114页 |
| 5.1.2 图像盲复原 | 第114-116页 |
| 5.2 基于颤振估计的图像复原方法 | 第116-124页 |
| 5.2.1 边缘图像块时域超分辨率重建 | 第117-119页 |
| 5.2.2 颤振运动与模糊核估计 | 第119-121页 |
| 5.2.3 基于颤振估计的图像复原 | 第121-124页 |
| 5.3 实验结果与分析 | 第124-131页 |
| 5.3.1 理论仿真复原实验 | 第124-126页 |
| 5.3.2 实拍仿真复原实验 | 第126-131页 |
| 5.4 本章小结 | 第131-133页 |
| 6 总结与展望 | 第133-136页 |
| 6.1 本文主要完成工作 | 第133-134页 |
| 6.2 未来展望 | 第134-136页 |
| 参考文献 | 第136-150页 |
| 作者简历及在学期间所取得的科研成果 | 第150-151页 |