基于稀疏表示与字典训练的含噪图像超分辨重建方法
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-22页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外发展现状 | 第11-17页 |
| ·基于插值的方法 | 第12页 |
| ·基于重建的方法 | 第12-15页 |
| ·基于学习的方法 | 第15-17页 |
| ·研究热点 | 第17-18页 |
| ·重建图像质量评价标准 | 第18-20页 |
| ·主观评价 | 第19页 |
| ·客观评价 | 第19-20页 |
| ·本文研究内容 | 第20-22页 |
| 2 稀疏表示基础 | 第22-30页 |
| ·稀疏表示 | 第22-25页 |
| ·传统的信号表示方法 | 第22-23页 |
| ·信号的稀疏表示模型 | 第23-25页 |
| ·稀疏表示在图像处理中的应用 | 第25页 |
| ·稀疏编码 | 第25-27页 |
| ·MP算法 | 第25-26页 |
| ·OMP算法 | 第26-27页 |
| ·字典学习 | 第27-29页 |
| ·SVD算法 | 第28页 |
| ·K-SVD算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于稀疏表示的含噪图像去噪方法 | 第30-42页 |
| ·图像退化模型 | 第30-31页 |
| ·图像的低维表示模型 | 第31-32页 |
| ·联合字典学习 | 第32-34页 |
| ·稀疏表示含噪图像去噪实验与分析 | 第34-40页 |
| ·训练数据库的构造 | 第34-36页 |
| ·字典学习 | 第36-38页 |
| ·噪声强度实验 | 第38-40页 |
| ·迭代次数实验 | 第40页 |
| ·本章小结 | 第40-42页 |
| 4 基于稀疏表示的含噪图像超分辨重建方法 | 第42-57页 |
| ·图像下采样退化模型 | 第42-43页 |
| ·含噪声图像超分辨重建局部模型 | 第43-44页 |
| ·特征提取 | 第44-46页 |
| ·局部自适应插值 | 第44-45页 |
| ·提取梯度特征 | 第45-46页 |
| ·高低分辨率联合字典学习 | 第46-48页 |
| ·优化问题 | 第48-50页 |
| ·加强全局重建约束 | 第48-49页 |
| ·全局优化插值 | 第49页 |
| ·含噪图像超分辨去噪参数设置 | 第49-50页 |
| ·稀疏表示的含噪图像超分辨重建实验与分析 | 第50-56页 |
| ·训练数据库的构造 | 第51页 |
| ·特征提取和字典学习 | 第51-53页 |
| ·超分辨重建算法对比实验 | 第53-54页 |
| ·噪声强度与参数实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63页 |
