基于上下文稀疏表示的图像超分辨率
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-19页 |
| ·研究背景及意义 | 第7-8页 |
| ·相关工作综述 | 第8-13页 |
| ·相关方法分析 | 第8-10页 |
| ·基于重构的方法 | 第10-11页 |
| ·基于插值的方法 | 第11-12页 |
| ·基于学习的方法 | 第12-13页 |
| ·稀疏编码理论 | 第13-17页 |
| ·基础知识描述 | 第13-14页 |
| ·稀疏编码的数学描述 | 第14-15页 |
| ·最稀疏解的唯一性 | 第15-17页 |
| ·本文内容及结构安排 | 第17-19页 |
| ·本文主要创新点 | 第17-18页 |
| ·本文组织结构 | 第18-19页 |
| 第2章 基于稀疏表示的图像重构 | 第19-30页 |
| ·面向图像的稀疏表示模型 | 第19-23页 |
| ·相关应用 | 第19-20页 |
| ·模型合理性分析 | 第20-21页 |
| ·数学描述 | 第21-23页 |
| ·基于稀疏表示的图像超分辨率 | 第23-27页 |
| ·问题描述 | 第23-24页 |
| ·基于稀疏先验的图像恢复 | 第24-26页 |
| ·基于重构限制的图像增强 | 第26-27页 |
| ·过完备字典训练 | 第27-28页 |
| ·相关工作 | 第27页 |
| ·K-SVD 字典训练算法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 多字典框架的图像超分辨率 | 第30-43页 |
| ·基本思想 | 第30-31页 |
| ·多字典稀疏表示模型 | 第31-33页 |
| ·模型概述 | 第31页 |
| ·多字典训练 | 第31-32页 |
| ·基于多字典的图像恢复 | 第32-33页 |
| ·基于多字典稀疏表示的图像超分辨率算法 | 第33-36页 |
| ·算法描述 | 第34页 |
| ·训练集分类 | 第34-35页 |
| ·字典训练 | 第35页 |
| ·图像重构 | 第35-36页 |
| ·实验及相关结果 | 第36-42页 |
| ·实验设置 | 第36-37页 |
| ·实验结果及分析 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于强判别力字典的图像超分辨率 | 第43-51页 |
| ·基本思想 | 第43-44页 |
| ·强判别力字典训练模型 | 第44-49页 |
| ·模型描述 | 第44-45页 |
| ·重构精确度 | 第45-46页 |
| ·判别力信息增强 | 第46-47页 |
| ·数学模型及优化 | 第47-49页 |
| ·实验及相关结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |
