欢迎来到天天文库
浏览记录
ID:23938743
大小:2.49 MB
页数:58页
时间:2018-11-11
《基于非冗余互补信息的图像超分辨率算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学校代号10731学号152081101011分类号TP391密级公开硕士学位论文基于非冗余互补信息的图像超分辨率算法研究学位申请人姓名史长宏培养单位电气工程与信息工程学院导师姓名及职称刘微容教授学科专业控制理论与控制工程研究方向图像处理与模式识别论文提交日期2018年6月3日学校代号:10731学号:152081101011密级:公开兰州理工大学硕士学位论文基于非冗余互补信息的图像超分辨率算法研究学位申请人姓名:史长宏导师姓名及职称:刘微容教授培养单位:电气工程与信息工程学院专业名称:控制理论与控制工程论文提交日期
2、:2018年6月3日论文答辩日期:2018年5月25日答辩委员会主席:陈小强教授ResearchonImageSuper-ResolutionBasedonNon-redundantComplementaryInformationbySHIChanghongB.E.(QiqiharUniversity)2014AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofScienceinControlTheoryandCont
3、rolEngineeringintheGraduateSchoolofLanzhouUniversityofTechnologySupervisorProfessorLIUWeirongJun2018硕士学位论文目录摘要.....................................................................................................................IAbstract.........................
4、............................................................................................II插图索引..................................................................................................................IV附表索引...........................................
5、.........................................................................V第1章绪论...............................................................................................................11.1论文的研究背景及意义.........................................................
6、............................11.2图像超分辨率的研究现状...............................................................................11.2.1基于插值的图像超分辨率方法.................................................................21.2.2基于重建的图像超分辨率方法....................................
7、.............................21.2.3基于学习的图像超分辨率方法.................................................................21.3本文的主要研究内容及章节安排....................................................................5第2章稀疏表示、字典学习与卷积神经网络理论........................................
8、.........72.1基于稀疏表示的图像超分辨率重建基础........................................................72.1.1图像退化模型...........................................................................
此文档下载收益归作者所有