| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 论文的研究背景 | 第15-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.3 本文研究工作 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 图像超分辨率重建理论 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 图像超分辨率重建方法 | 第21-25页 |
| 2.2.1 基于插值的方法 | 第21-22页 |
| 2.2.2 基于重建的方法 | 第22-24页 |
| 2.2.3 基于学习的方法 | 第24-25页 |
| 2.3 基于稀疏的图像超分辨率重建理论 | 第25-31页 |
| 2.3.1 图像的稀疏表示 | 第25-27页 |
| 2.3.2 字典的构造 | 第27-30页 |
| 2.3.3 求解稀疏表示 | 第30-31页 |
| 2.4 图像质量评价 | 第31-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于稀疏表示和字典学习的视频图像分级重建研究 | 第35-51页 |
| 3.1 视频图像分级重建整体框架 | 第35-36页 |
| 3.2 感兴趣和非感兴趣区域的提取 | 第36-40页 |
| 3.2.1 Snake算法理论 | 第36-37页 |
| 3.2.2 Snake算法提取感兴趣区域 | 第37-40页 |
| 3.3 K-SVD字典训练 | 第40-42页 |
| 3.4 分层学习的图像超分辩率重建 | 第42-50页 |
| 3.4.1 单一字典的图像超分辨重建 | 第42-45页 |
| 3.4.2 分层学习的图像超分辩率重建 | 第45-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 视频图像分级重建性能测试 | 第51-63页 |
| 4.1 基于Snake算法的感兴趣区域提取测试 | 第51-52页 |
| 4.2 分层学习重建图像测试 | 第52-58页 |
| 4.3 视频图像分级重建性能测试 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结和展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 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 |