单幅图像超分辨技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 研究现状与发展趋势 | 第12-13页 |
| 1.3 研究内容与主要贡献 | 第13-15页 |
| 1.4 本文的组织结构说明 | 第15-17页 |
| 第二章 数字图像超分辨处理简介 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 图像分辨率的基本概念 | 第17-18页 |
| 2.3 图像分辨率的退化模型 | 第18-21页 |
| 2.4 超分辨处理的基本原理 | 第21-22页 |
| 2.5 超分辨处理的基本分类 | 第22-26页 |
| 2.5.1 根据输入图像数量分类 | 第22-23页 |
| 2.5.2 根据操作对象所在域分类 | 第23页 |
| 2.5.3 根据模糊核假设分类 | 第23-24页 |
| 2.5.4 根据理论基础分类 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于插值技术的超分辨方法 | 第27-62页 |
| 3.1 引言 | 第27页 |
| 3.2 发展历程与研究现状 | 第27-29页 |
| 3.3 常见的图像插值算法 | 第29-45页 |
| 3.3.1 传统多项式插值技术 | 第29-40页 |
| 3.3.2 面向边缘的插值技术 | 第40-44页 |
| 3.3.3 基于机器学习的插值技术 | 第44-45页 |
| 3.4 插值算法的主要问题 | 第45-46页 |
| 3.5 基于密切多项式近似的多项式插值理论 | 第46-55页 |
| 3.5.1 密切多项式近似理论 | 第47-48页 |
| 3.5.2 导数近似规则 | 第48-51页 |
| 3.5.3 导数近似边界条件 | 第51-53页 |
| 3.5.4 密切多项式插值框架的作用 | 第53-55页 |
| 3.6 数值试验与理论分析 | 第55-61页 |
| 3.6.1 空间域分析 | 第56-58页 |
| 3.6.2 频率域分析 | 第58-61页 |
| 3.7 本章小结 | 第61-62页 |
| 第四章 基于模型/重建的超分辨方法 | 第62-84页 |
| 4.1 引言 | 第62页 |
| 4.2 发展历程与研究现状 | 第62-63页 |
| 4.3 常见的模型/重建算法 | 第63-72页 |
| 4.3.1 基于先验模型的图像超分辨 | 第64-66页 |
| 4.3.2 基于概率模型的图像超分辨 | 第66-69页 |
| 4.3.3 基于偏微分方程的图像超分辨 | 第69-72页 |
| 4.4 重建算法的主要问题 | 第72-73页 |
| 4.5 基于泰勒展开式与曲率逆向驱动的超分辨算法 | 第73-83页 |
| 4.5.1 基于泰勒展开式的预处理 | 第73-76页 |
| 4.5.2 基于曲率逆向驱动的后处理 | 第76-78页 |
| 4.5.3 等照度线曲率的计算 | 第78-79页 |
| 4.5.4 数值实验与理论分析 | 第79-83页 |
| 4.6 本章小结 | 第83-84页 |
| 第五章 基于机器学习的超分辨方法 | 第84-122页 |
| 5.1 引言 | 第84-85页 |
| 5.2 发展历程与研究现状 | 第85-87页 |
| 5.3 常见的机器学习算法简介 | 第87-96页 |
| 5.3.1 样本学习 | 第87-89页 |
| 5.3.2 邻域嵌入 | 第89-90页 |
| 5.3.3 稀疏表达 | 第90-93页 |
| 5.3.4 深度学习 | 第93-96页 |
| 5.4 学习算法的主要问题 | 第96-98页 |
| 5.5 基于盲模糊核估计的机器学习方法 | 第98-119页 |
| 5.5.1 改进的盲模糊核估计算法 | 第98-102页 |
| 5.5.2 基于对偶词典训练的超分辨重建 | 第102-104页 |
| 5.5.3 基于锚定空间映射的超分辨重建 | 第104-107页 |
| 5.5.4 数值试验与理论分析 | 第107-119页 |
| 5.6 本章小结 | 第119-122页 |
| 第六章 总结与展望 | 第122-126页 |
| 6.1 本文工作总结 | 第122-123页 |
| 6.2 未来工作展望 | 第123-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-139页 |
| 附录 | 第139-141页 |
| 攻硕期间发表的学术论文及研究成果 | 第141-142页 |
