| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-16页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·图像超分辨率重建的发展现状 | 第13-15页 |
| ·频域方法(Frequency Domain Approach) | 第13-14页 |
| ·空域方法(Spatial Domain Approach) | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| 2 图像超分辨率重建概述 | 第16-23页 |
| ·图像超分辨率重建观测模型 | 第16-17页 |
| ·图像超分辨率重建模型 | 第17页 |
| ·经典的图像超分辨率重建算法 | 第17-21页 |
| ·基于插值的算法 | 第17-18页 |
| ·基于重建的算法 | 第18-19页 |
| ·基于学习的方法 | 第19-21页 |
| ·图像质量的评价 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 稀疏表示理论及分析 | 第23-44页 |
| ·稀疏表示理论的研究背景 | 第23-24页 |
| ·稀疏表示理论的基本思想 | 第24-27页 |
| ·稀疏编码模型解析 | 第27-28页 |
| ·最大后验概率估计 | 第27页 |
| ·最小编码长度问题 | 第27-28页 |
| ·基于稀疏表示的图像超分辨率算法 | 第28-31页 |
| ·基于稀疏表示的局部优化模型 | 第28-29页 |
| ·基于稀疏表示的全局优化模型 | 第29-31页 |
| ·稀疏表示问题的优化算法 | 第31-34页 |
| ·基于范数0的优化算法 | 第31-33页 |
| ·基于范数1的优化算法 | 第33-34页 |
| ·本文使用的优化算法 | 第34页 |
| ·稀疏表示的卫星图像超分辨重建实验 | 第34-43页 |
| ·StOMP算法的实验结果 | 第34-38页 |
| ·不同算法仿真实验结果 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于冗余字典和稀疏表示的图像超分辨率重建 | 第44-57页 |
| ·算法流程框架 | 第44-45页 |
| ·冗余字典构建的算法 | 第45-50页 |
| ·最佳方向方法 | 第46-47页 |
| ·K-SVD字典学习方法 | 第47-50页 |
| ·稀疏表示问题的优化算法改进 | 第50-53页 |
| ·优化的StOMP算法阀值选取 | 第50-51页 |
| ·改进的K-SVD字典学习方法 | 第51-53页 |
| ·算法验证 | 第53-56页 |
| ·超分辨率重建质量对比 | 第53-55页 |
| ·样本数量和字典大小的影响 | 第55-56页 |
| ·本章总结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64页 |