声明
致谢
变量注释表
1 绪论
1.1 研究背景及意义（Research Background and Significance）
1.2图像超分辨率算法研究现状（Research Status of Image Super Resolution Algorithm）
1.3 章节安排（Chapter Arrangement）
2 基于字典学习和稀疏表示的超分辨率重建算法基础
2.1 压缩感知理论（Compressed Sensing Theory）
2.2 信号的稀疏性（Signal Sparsity）
2.3数据预处理（Data pre-processing）
2.4图像稀疏表示模型（Image sparse representation model）
2.5稀疏重建算法的应用（Application of Sparse Reconstraction Algorithm）
2.6 重建结果评价方法（Reconstruction Result Evaluation Method）
2.7 本章总结（Chapter Summary）
3 基于非相干字典原子处理的字典学习算法
3.1 数据聚类处理算法与改进（Data Clustering Algorithm and Improvement）
3.2 字典的非相关度特性（Dictionary Non-correlation Characteristics）
3.3本文提出的聚类原子处理的非相干稀疏字典对训练方法（Non-coherent Sparse Dictionary Pair Training for Cluster Atom Processing）
3.4 实验及分析（Experiment and Analysis）
3.5 本章总结（Summary of this Chapter）
4 基于非相干字典的稀疏表示算法与图像重建
4.1 核函数方法（Kernel Methods）
4.2 本文提出的稀疏表示方法(Sparse Representation Solution of this Paper)
4.3 图像重建(Image Reconstruction)
4.4 实验及分析（Experiment and Analysis）
4.5 本章总结（Summary of this Chapter）
5 总结与展望
5.1总结
5.2展望
参考文献
作者简历
学位论文数据集
中国矿业大学;
