圖像超分辨率技術(shù)及其應(yīng)用

第1章 緒論
1.1 圖像插值
1.2 圖像超分辨率重建
第2章 多項式圖像插值
2.1 引言
2.2 經(jīng)典圖像插值算法
2.3 B樣條圖像插值
2.3.1 多項式樣條
2.3.2 B樣條類型
2.3.3 B樣條插值的數(shù)字濾波器實
2.4 O-MOMS插值法
2.5 Keys'（雙三次）插值
2.6 多項式圖像插值的問題
2.6.1 振鈴效應(yīng)
2.6.2 混疊效應(yīng)
2.6.3 塊效應(yīng)
2.6.4 模糊效應(yīng)
第3章 自適應(yīng)多項式圖像插值
3.1 引言
3.2 低分辨率圖像降質(zhì)模型
3.3 線性不變空間圖像插值
3.4 有偏距離圖像插值
3.5 權(quán)重圖像插值
3.6 迭代圖像插值
3.7 仿真實例
第4章 基于神經(jīng)網(wǎng)絡(luò)的多項式圖像插值
4.1 引言
4.2 ANN基礎(chǔ)知識
4.2.1 神經(jīng)元
4.2.2 層
4.2.3 連接
4.2.4 權(quán)重
4.2.5 激勵規(guī)則
4.2.6 激勵函數(shù)
4.2.7 輸出
4.2.8 學(xué)習(xí)規(guī)則
4.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.3.1 多層感知網(wǎng)絡(luò)
4.3.2 徑向基函數(shù)網(wǎng)絡(luò)
4.3.3 小波神經(jīng)網(wǎng)絡(luò)
4.3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
4.4 訓(xùn)練算法
4.5 神經(jīng)網(wǎng)絡(luò)圖像插值
4.6 仿真試驗
第5章 彩色圖像插值
5.1 引言
5.2 色彩過濾陣列
5.2.1 白平衡
5.2.2 Beyer插值
5.3 拉普拉斯二階矯正的線性插值
5.4 自適應(yīng)彩色圖像插值
第6章 圖像插值在模式識別中的應(yīng)用
6.1 引言
6.2 倒頻譜模式識別技術(shù)
6.3 特征提取
6.3.1 MFCC系數(shù)計算
6.3.2 多項式系數(shù)
6.4 基于離散變換的特征提取
6.4.1 離散小波變換
6.4.2 離散余弦變換
6.4.3 離散正弦變換
6.5 基于人工神經(jīng)網(wǎng)絡(luò)的特征匹配
6.6 仿真實例
第7章 圖像插值逆問題
7.1 引言
7.2 自適應(yīng)最小二乘圖像插值
7.3 LMMSE圖像插值
7.4 最大熵圖像插值
7.5 正則化圖像插值
7.6 仿真試驗
7.7 紅外圖像的插值
第8章 圖像配準
8.1 引言
8.2 圖像配準的應(yīng)用
8.2.1 不同視角（多視角分析）
8.2.2 不同時間（多時相分析）
8.2.3 不同傳感器（多模型分析）
8.2.4 場景和模型的配準
8.3 圖像配準的步驟
8.3.1 特征檢測步驟
8.3.2 特征匹配步驟
8.3.3 變換模型估計
8.3.4 圖像重采樣和變換
8.4 圖像配準精度的估計
第9章 圖像融合
9.1 引言
9.2 圖像融合的目標
9.3 圖像融合的實現(xiàn)
9.4 像素級圖像融合
9.5 主元分析融合
9.6 小波融合
9.6.1 DWT融合
9.6.2 DWFT融合
9.7 曲波融合
9.7.1 子帶濾波
9.7.2 分割
9.7.3 脊波變換
9.8 IHS融合
9.9 高通濾波融合
9.10 格蘭施密特融合
9.11 衛(wèi)星圖像融合
9.12 MR和CT圖像融合
第10章 基于先驗知識的超分辨率重建
10.1 引言
10.2 多觀測LR降質(zhì)模型
10.3 基于小波的圖像超分辨率重建
10.4 簡化的多通道降質(zhì)模型
10.5 多通道圖像復(fù)原
10.5.1 多通道LMMSE復(fù)原
10.5.2 多通道最大熵復(fù)原
10.5.3 多通道正則化復(fù)原
10.6 仿真實例
第11章 無先驗知識的超分辨率重建
11.1 引言
11.2 問題描述
11.3 二維GCD算法
11.4 盲超分辨率重建方法
11.5 仿真試驗
附錄A 離散B樣條
附錄B 托普利茨一循環(huán)近似
附錄C 牛頓算法
附錄D MATLAB？代碼
參考文獻
索引