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
浙江师范大学;