基于稀疏表示的二值图像超分辨率重建研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究工作 | 第16-17页 |
| 1.4 本文内容安排 | 第17-18页 |
| 第二章 图像超分辨率重建 | 第18-24页 |
| 2.1 超分辨率重建模型 | 第18页 |
| 2.2 超分辨率重建算法 | 第18-22页 |
| 2.2.1 基于插值的超分辨率方法 | 第19页 |
| 2.2.2 基于重建的超分辨率方法 | 第19-21页 |
| 2.2.3 基于学习的超分辨率方法 | 第21-22页 |
| 2.3 重建图像评价标准 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于稀疏表示的二值图像超分辨率重建框架 | 第24-31页 |
| 3.1 稀疏表示问题模型 | 第24-25页 |
| 3.2 稀疏表示模型求解 | 第25-28页 |
| 3.3 基于稀疏表示的二值图像超分辨率重建 | 第28-30页 |
| 3.3.1 字典学习阶段 | 第28页 |
| 3.3.2 二值图像重建阶段 | 第28-29页 |
| 3.3.3 算法整体框架 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 二值图像特征提取 | 第31-50页 |
| 4.1 二值图像特征分析 | 第31-32页 |
| 4.2 边缘特征 | 第32-39页 |
| 4.2.1 边缘模型 | 第32页 |
| 4.2.2 基于一阶导数的边缘检测算子 | 第32-36页 |
| 4.2.3 基于二阶导数的边缘检测算子 | 第36-37页 |
| 4.2.4 本文的边缘特征提取方法 | 第37-39页 |
| 4.3 纹理特征 | 第39-42页 |
| 4.3.1 纹理概念 | 第39页 |
| 4.3.2 经典的统计方法 | 第39-40页 |
| 4.3.3 本文的纹理特征提取方法 | 第40-42页 |
| 4.4 二值图像特征 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-49页 |
| 4.5.1 不同算法对比 | 第44-46页 |
| 4.5.2 不同特征组合结果 | 第46-47页 |
| 4.5.3 对噪声的鲁棒性 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于聚类的字典学习方法 | 第50-63页 |
| 5.1 训练样本选取 | 第50-51页 |
| 5.2 字典学习方法 | 第51-53页 |
| 5.2.1 最佳方向法 | 第52页 |
| 5.2.2 K-SVD | 第52-53页 |
| 5.3 联合字典学习 | 第53-55页 |
| 5.4 聚类子字典 | 第55-56页 |
| 5.5 基于K-means聚类的字典学习 | 第56-58页 |
| 5.6 实验结果与分析 | 第58-62页 |
| 5.6.1 重建二值图像效果 | 第59-60页 |
| 5.6.2 与单字典重建效果对比 | 第60页 |
| 5.6.3 训练样本数量的影响 | 第60-61页 |
| 5.6.4 字典大小的影响 | 第61-62页 |
| 5.7 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 未来展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
