基于稀疏字典的单幅图像超分辨率研究

目录

1绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 章节安排

2 图像超分辨率基本理论

2.1 SR过程中的低分辨率图像获取过程

2.2 图像超分辨率的方法

2.2.1 基于插值的图像超分辨率方法

2.2.2 基于重建的图像超分辨率方法

2.2.3 基于学习的图像超分辨率方法

2.3 基于稀疏表示字典的图像超分辨率的优势

2.4 超分辨率算法研究中的图像质量评价标准

3 基于神经网络的稀疏系数优化的单幅图像超分辨率

3.1 数据集介绍

3.2 基于神经网络的稀疏系数优化的图像超分辨率方法

3.2.1 获取稀疏字典

3.2.2 获取训练集的稀疏表示系数及预处理

3.2.3“抓娃娃”分类方法

3.2.4 优化网络训练

3.2.5 高分辨率图像重建

3.2.6 提出方法的算法步骤

3.3 实验结果与分析

4 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率

4.1 数据集介绍

4.2 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率方法

4.2.1 重建图像获取

4.2.2 基于结构张量边缘约束

4.2.3 基于重建图像下采样约束

4.2.4 提出方法的算法步骤

4.3 实验结果与分析

5 总结与展望

参考文献

攻读学位期间取得的研究成果

致谢

声明