| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究意义和背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作及安排 | 第12-14页 |
| 第二章 图像超分辨率重建技术 | 第14-30页 |
| 2.1 图像超分辨率重建基础 | 第14-18页 |
| 2.1.1 基本原理 | 第14-16页 |
| 2.1.2 图像降质模型 | 第16-17页 |
| 2.1.3 图像重建的评价标准 | 第17-18页 |
| 2.2 常用超分辨率重建技术 | 第18-22页 |
| 2.2.1 基于插值的超分辨率重建 | 第18-19页 |
| 2.2.2 基于重建的超分辨率重建 | 第19-20页 |
| 2.2.3 基于学习的超分辨率重建 | 第20-22页 |
| 2.3 PCA 与 KPCA 理论基础 | 第22-29页 |
| 2.3.1 PCA 基本原理 | 第22-24页 |
| 2.3.3 核 PCA 基本原理 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 采用 PCA 词典分类的多帧图像超分辨率重建 | 第30-52页 |
| 3.1 非局部相似性 | 第30-34页 |
| 3.1.1 光流法运动估计 | 第30-32页 |
| 3.1.2 非局部均值 | 第32-34页 |
| 3.2 运用 PCA 学习分类词典 | 第34-37页 |
| 3.2.1 采用分类词典的好处 | 第35页 |
| 3.2.2 分类词典的学习 | 第35-37页 |
| 3.3 基于自相似性约束的多帧超分辨率重建算法 | 第37-43页 |
| 3.3.1 算法描述 | 第38-41页 |
| 3.3.2 算法流程图 | 第41-42页 |
| 3.3.3 算法小结 | 第42-43页 |
| 3.4 实验结果及分析 | 第43-51页 |
| 3.4.1 实验环境 | 第43-44页 |
| 3.4.2 实验参数的选择 | 第44-48页 |
| 3.4.3 实验结果对比与分析 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 采用 KPCA 的单帧图像超分辨率重建 | 第52-76页 |
| 4.1 核 PCA 图像重建的关键问题 | 第52-54页 |
| 4.1.1 求解原象 | 第52-53页 |
| 4.1.2 获得同一模式的训练图像（块） | 第53-54页 |
| 4.1.3 核函数及其参数的选择 | 第54页 |
| 4.2 采用 KPCA 的超分辨率重建算法 | 第54-63页 |
| 4.2.1 算法描述 | 第55-61页 |
| 4.2.2 算法流程图 | 第61-63页 |
| 4.2.3 算法小结 | 第63页 |
| 4.3 实验结果与分析 | 第63-75页 |
| 4.3.1 实验环境 | 第63-64页 |
| 4.3.2 实验参数的选择 | 第64-69页 |
| 4.3.3 实验结果对比与分析 | 第69-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 本文总结 | 第76-77页 |
| 5.2 下一步工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第82-83页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第83-84页 |
| 致谢 | 第84页 |