车牌图像超分辨率重建算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-16页 |
| 1.2.1 基于插值的超分辨率重建 | 第10-11页 |
| 1.2.2 基于重建的超分辨率重建 | 第11-13页 |
| 1.2.3 基于学习的超分辨率重建 | 第13-16页 |
| 1.2.4 目前存在的问题及发展趋势 | 第16页 |
| 1.3 本文的主要工作及章节安排 | 第16-18页 |
| 1.3.1 主要工作内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-18页 |
| 第2章 车牌图像超分辨率重建算法框架 | 第18-26页 |
| 2.1 超分辨率重建算法原理 | 第18-20页 |
| 2.1.1 超分辨率重建基本概念 | 第18-19页 |
| 2.1.2 图像降质模型 | 第19-20页 |
| 2.1.3 超分辨率重建病态特性 | 第20页 |
| 2.2 车牌图像超分辨率重建算法框架 | 第20-23页 |
| 2.2.1 图像自相似性 | 第20-21页 |
| 2.2.2 算法原理 | 第21-22页 |
| 2.2.3 算法描述 | 第22-23页 |
| 2.3 超分辨率重建图像质量评价 | 第23-25页 |
| 2.3.1 主观评价 | 第23页 |
| 2.3.2 客观评价 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于结构相似性的序列图像超分辨率重建 | 第26-37页 |
| 3.1 图像结构相似性 | 第26-27页 |
| 3.2 算法原理 | 第27-31页 |
| 3.2.1 图像配准 | 第27-29页 |
| 3.2.2 图像金字塔 | 第29页 |
| 3.2.3 由相似块构建高分辨率图像 | 第29-31页 |
| 3.3 算法描述 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.4.1 仿真实验 | 第32-35页 |
| 3.4.2 实拍实验 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于稀疏表示的车牌图像超分辨率重建 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 稀疏表示的理论基础 | 第37-40页 |
| 4.2.1 稀疏表示 | 第37-38页 |
| 4.2.2 稀疏编码算法 | 第38-40页 |
| 4.2.3 K-SVD算法 | 第40页 |
| 4.3 算法原理 | 第40-45页 |
| 4.3.1 稀疏字典的构建 | 第40-42页 |
| 4.3.2 超分辨率重建 | 第42-44页 |
| 4.3.3 IBP算法 | 第44-45页 |
| 4.4 算法描述 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-52页 |
| 4.5.1 仿真实验 | 第47-51页 |
| 4.5.2 实拍实验 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文主要工作总结 | 第53页 |
| 5.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61页 |
