声明
致谢
摘要
1 引言
1.1 课题研究背景及意义
1.2 图像超分辨率重建的发展现状
1.2.1 频域方法(Frequency Domain Approach)
1.2.2 空域方法(Spatial Domain Approach)
1.3 本文研究内容
2 图像超分辨率重建概述
2.1 图像超分辨率重建观测模型
2.2 图像超分辨率重建模型
2.3 经典的图像超分辨率重建算法
2.3.1 基于插值的算法
2.3.2 基于重建的算法
2.3.3 基于学习的方法
2.4 图像质量的评价
2.5 本章小结
3 稀疏表示理论及分析
3.1 稀疏表示理论的研究背景
3.2 稀疏表示理论的基本思想
3.3 稀疏编码模型解析
3.3.1 最大后验概率估计
3.3.2 最小编码长度问题
3.4 基于稀疏表示的图像超分辨率算法
3.4.1 基于稀疏表示的局部优化模型
3.4.2 基于稀疏表示的全局优化模型
3.5 稀疏表示问题的优化算法
3.5.1 基于范数0的优化算法
3.5.2 基于范数1的优化算法
3.5.3 本文使用的优化算法
3.6 稀疏表示的卫星图像超分辨重建实验
3.6.1 StOMP算法的实验结果
3.6.2 不同算法仿真实验结果
3.7 本章小结
4 基于冗余字典和稀疏表示的图像超分辨率重建
4.1 算法流程框架
4.2 冗余字典构建的算法
4.2.1 最佳方向方法
4.2.2 K-SVD字典学习方法
4.3 稀疏表示问题的优化算法改进
4.3.1 优化的StOMP算法阀值选取
4.3.2 改进的K-SVD字典学习方法
4.4 算法验证
4.4.1 超分辨率重建质量对比
4.4.2 样本数量和字典大小的影响
4.5 本章总结
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