基于随机森林的单幅图像超分辨重建算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于多图重构的方法 | 第12-13页 |
| 1.2.2 基于插值的方法 | 第13-14页 |
| 1.2.3 基于重建模型的方法 | 第14页 |
| 1.2.4 基于学习的方法 | 第14-15页 |
| 1.3 论文研究重点与组织结构 | 第15-16页 |
| 2 图像超分辨率重建技术基础 | 第16-24页 |
| 2.1 分辨率与超分辨率重建 | 第16页 |
| 2.2 图像退化的数学模型 | 第16-17页 |
| 2.3 基于学习的图像超分辨率重建算法 | 第17-20页 |
| 2.4 重建图像质量评价标准 | 第20-23页 |
| 2.4.1 客观质量评价 | 第21-23页 |
| 2.4.2 主观质量评价 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于随机森林的图像超分辨率重建 | 第24-37页 |
| 3.1 随机森林与决策树 | 第24-30页 |
| 3.1.1 随机森林的基本单元——决策树 | 第24-28页 |
| 3.1.2 随机森林的构建 | 第28-30页 |
| 3.2 算法描述 | 第30-36页 |
| 3.2.1 超分辨率随机森林的训练过程 | 第30-34页 |
| 3.2.2 高分辨率图像的重建过程 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 基于随机森林的超分辨率重建算法改进 | 第37-41页 |
| 4.1 增加训练数据 | 第37-38页 |
| 4.2 增强预测 | 第38页 |
| 4.3 层级学习 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 5 实验与分析 | 第41-53页 |
| 5.1 训练集和测试集 | 第41-42页 |
| 5.2 训练图像的预处理及特征选择 | 第42-43页 |
| 5.3 随机森林参数对重建结果的影响 | 第43-46页 |
| 5.4 实验结果分析 | 第46-47页 |
| 5.5 重建图像质量分析 | 第47-52页 |
| 5.6 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 个人简历 | 第60页 |
