基于学习的车牌图像超分辨重建技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-14页 |
| ·选题背景及意义 | 第10页 |
| ·图像超分辨概述 | 第10-12页 |
| ·超分辨基本概念 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·图像超分辨的应用 | 第12页 |
| ·论文结构 | 第12-14页 |
| 2 超分辨复原技术的研究 | 第14-32页 |
| ·引言 | 第14-16页 |
| ·基于稀疏表示的单帧超分辨算法 | 第16-25页 |
| ·基本思想 | 第16-17页 |
| ·基于稀疏表示学习算法的约束条件 | 第17页 |
| ·基于稀疏表示的图像超分辨 | 第17-20页 |
| ·字典对学习 | 第20-22页 |
| ·实验结果及分析 | 第22-25页 |
| ·基于稀疏表示的车牌图像超分辨复原 | 第25-31页 |
| ·样本的获取 | 第25-28页 |
| ·实验结果及分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于多帧联合学习的超分辨 | 第32-45页 |
| ·引言 | 第32页 |
| ·基于多帧重建的超分辨算法 | 第32-36页 |
| ·基于多帧重建超分辨算法概述 | 第32-33页 |
| ·运动估计 | 第33-35页 |
| ·NLM降噪滤波器 | 第35-36页 |
| ·基于多帧联合学习的的稀疏表示算法 | 第36-40页 |
| ·多帧联合学习的必要性 | 第36-38页 |
| ·退化模型 | 第38页 |
| ·稀疏表示中的NLM | 第38-40页 |
| ·算法实现和实验结果 | 第40-43页 |
| ·实现和设置 | 第40-41页 |
| ·实验结果 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 4 基于动态主成分分析的车牌图像超分辨 | 第45-60页 |
| ·引言 | 第45页 |
| ·基于PCA的图像恢复 | 第45-52页 |
| ·主成分分析(PCA) | 第45-50页 |
| ·PCA在人脸幻想中的应用 | 第50-52页 |
| ·基于动态PCA的车牌图像重建 | 第52-59页 |
| ·系统框架 | 第52-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 5 结论 | 第60-61页 |
| 6 参考文献 | 第61-63页 |
| 7 图索引 | 第63-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
