声明
致谢
摘要
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于插值的图像超分辨率重建
1.2.2 基于重建的图像超分辨率重建
1.2.3 基于学习的图像超分辨率重建
1.3 本文研究内容与结构安排
1.3.1 本文的研究内容
1.3.2 本文的结构安排
第二章 稀疏表示与字典学习理论
2.1 引言
2.2 稀疏表示理论
2.2.1 信号的稀疏性
2.2.2 稀疏表示的数学模型
2.3 稀疏分解优化算法
2.3.1 贪婪算法
2.3.2 凸松弛算法
2.4 字典构造
2.4.1 GPCA算法
2.4.2 MOD算法
2.4.3 K-SVD算法
2.4.4 在线字典学习
2.5 总结
第三章 基于字典学习的图像超分辨率重建
3.1 图像超分辨重建的数学模型
3.2 基于字典学习的图像超分辨算法基本原理
3.2.1 联合字典学习
3.2.2 局部稀疏重建模型
3.2.3 全局重建约束
3.3 超分辨率重建的质量评价
3.4 本章小结
第四章 基于耦合特征空间下改进字典学习的图像超分辨率重建
4.1 研究思路
4.2 耦合特征空间下改进字典学习算法
4.2.1 高斯混合模型图像块聚类
4.2.2 Boost KSVD字典学习算法
4.2.3 耦合特征空间下的字典学习
4.3 图像超分辨率重建
4.4 本章算法的具体步骤
4.5 实验结果与分析
4.6 本章小结
第五章 边缘增强的多字典学习自然图像超分辨率重建
5.1 研究思路
5.2 基于多字典学习的超分辨重建
5.2.1 多字典学习
5.2.2 稀疏域字典自适应选择超分辨重建
5.3 边缘增强的超分辨率重建模型
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士期间的学术活动及成果情况