基于嵌入式的图像超分辨率重建技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 超分辨率技术研究现状 | 第16-17页 |
| 1.2.2 嵌入式系统在图像SR重建中的应用 | 第17-18页 |
| 1.3 论文的主要内容和组织结构 | 第18-21页 |
| 第二章 超分辨率重建技术概述 | 第21-31页 |
| 2.1 图像退化模型 | 第21页 |
| 2.2 经典超分辨率重建算法 | 第21-27页 |
| 2.2.1 基于插值的SR算法 | 第22-23页 |
| 2.2.2 基于重建的SR算法 | 第23-25页 |
| 2.2.3 基于学习的图像SR算法 | 第25-27页 |
| 2.3 算法的选择 | 第27-28页 |
| 2.4 SR重建图像质量的评价标准 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 嵌入式超分辨率图像重建系统设计 | 第31-43页 |
| 3.1 嵌入式系统简介 | 第31-33页 |
| 3.1.1 嵌入式系统的特点 | 第31页 |
| 3.1.2 嵌入式处理器 | 第31-32页 |
| 3.1.3 嵌入式操作系统简介 | 第32-33页 |
| 3.2 硬件方案设计 | 第33-35页 |
| 3.3 软件开发环境的搭建 | 第35-41页 |
| 3.3.1 嵌入式操作系统的选型 | 第35-36页 |
| 3.3.2 交叉编译环境 | 第36-37页 |
| 3.3.3 Bootloader移植 | 第37-38页 |
| 3.3.4 嵌入式Linux移植 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于稀疏表示的超分辨率重建 | 第43-55页 |
| 4.1 稀疏表示介绍 | 第43-48页 |
| 4.1.1 稀疏表示理论 | 第43-44页 |
| 4.1.2 稀疏编码算法 | 第44-46页 |
| 4.1.3 过完备字典学习方式 | 第46-48页 |
| 4.2 基于稀疏表示的图像SR重建 | 第48-52页 |
| 4.2.1 算法原理 | 第48-49页 |
| 4.2.2 训练字典过程 | 第49-51页 |
| 4.2.3 图像重建过程 | 第51-52页 |
| 4.3 算法的硬件移植及优化 | 第52-54页 |
| 4.3.1 算法移植过程 | 第52-53页 |
| 4.3.2 硬件任务分配 | 第53页 |
| 4.3.3 算法优化 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-63页 |
| 5.1 联合字典训练对重建效果的影响 | 第55-56页 |
| 5.2 多字典对重建效果的影响 | 第56-57页 |
| 5.3 特征提取对重建效果的影响 | 第57-58页 |
| 5.4 字典大小的选择 | 第58页 |
| 5.5 与其它重建算法对比 | 第58-59页 |
| 5.6 算法移植后的系统的成像效果 | 第59-61页 |
| 5.7 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
