单一医学视频时空超分辨率算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 医学视频超分辨率算法研究目的和意义 | 第10-12页 |
| 1.1.1 图像、视频超分辨率 | 第10页 |
| 1.1.2 时空超分辨率算法研究的理论基础 | 第10-12页 |
| 1.2 国内外研究现状及趋势 | 第12-19页 |
| 1.2.1 图像超分辨率方法的分类 | 第12-13页 |
| 1.2.2 传统超分辨率方法 | 第13-17页 |
| 1.2.3 时空超分辨率算法 | 第17-19页 |
| 1.2.4 图像、视频超分辨率发展前景 | 第19页 |
| 1.3 本文研究的内容 | 第19-21页 |
| 1.3.1 基于学习的医学视频的超分辨率算法研究 | 第20页 |
| 1.3.2 对原有图像块搜索算法的改进研究 | 第20页 |
| 1.3.3 主要创新点 | 第20-21页 |
| 1.4 本论文的结构和安排 | 第21-22页 |
| 第2章 基于学习的时空超分辨率 | 第22-34页 |
| 2.1 时空超分辨率简介 | 第22-23页 |
| 2.1.1 运动模糊现象 | 第22页 |
| 2.1.2 运动混叠现象 | 第22-23页 |
| 2.2 基于多尺度自相似算法 | 第23-26页 |
| 2.3 基于多视频的时空超分辨率算法 | 第26-29页 |
| 2.4 单视频时空超分辨率算法 | 第29-32页 |
| 2.4.1 单视频时空超分辨率的实验基础 | 第29-30页 |
| 2.4.2 单视频超分辨率方法 | 第30-32页 |
| 2.5 小结 | 第32-34页 |
| 第3章 改进的时空超分辨率算法设计 | 第34-38页 |
| 3.1 高斯混合模型聚类的介绍 | 第34-35页 |
| 3.2 算法的思路和步骤 | 第35页 |
| 3.3 核心算法概述 | 第35-37页 |
| 3.4 实验结果与分析 | 第37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 相似块的搜索 | 第38-46页 |
| 4.1 块结构 | 第38-40页 |
| 4.1.1 块结构的定义 | 第38-39页 |
| 4.1.2 块结构的相似规律 | 第39页 |
| 4.1.3 相似块估计 | 第39页 |
| 4.1.4 距离函数分析 | 第39-40页 |
| 4.2 一种改进的图像块搜索算法 | 第40-42页 |
| 4.3 实验与分析 | 第42-45页 |
| 4.3.1 预处理 | 第42页 |
| 4.3.2 初检相似时空块 | 第42-43页 |
| 4.3.3 引入高斯混合模型聚类 | 第43页 |
| 4.3.4 合成新的帧 | 第43页 |
| 4.3.5 实验结果 | 第43-44页 |
| 4.3.6 实验分析 | 第44-45页 |
| 4.4 小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-47页 |
| 5.1 本文的主要工作 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |
