基于图像先验建模的超分辨增强理论与算法:--变分PDE,稀疏正则化与贝叶斯方法

第1篇 图像超分辨建模基础
第1章 导论
1．1 分辨率的基础概念
1．2 超分辨重建问题
1．2．1 超分辨问题的提出
1．2．2 从信息处理角度看超分辨重建的复杂性
1．3 超分辨率重建的三类方法体系
1．3．1 硬件方法
1．3．2 软件方法
1．3．3 软硬件结合方法
1．4 基于软件方法的超分辨重建的研究动态
1．4．1 多幅图像超分辨方法
1．4．2 单幅图像超分辨方法
1．5 存在的关键问题和研究展望
1．6 本章小结
参考文献
第2章 图像退化过程与超分辨观测模型
2．1 引言
2．2 图像模糊降质过程
2．2．1 图像模糊降质基本描述
2．2．2 常用模糊模型
2．2．3 相机抖动模糊
2．3 常用噪声模型
2．3．1 加性噪声
2．3．2 非加性噪声
2．4 一般的低分辨图像生成模型
2．4．1 变形一模糊模型
2．4．2 模糊一变形模型
2．5 本章小结
参考文献
第3章 图像超分辨的代表性建模方法
3．1 引言
3．2 超分辨率重建的观测模型分析
3．3 图像超分辨重建的代表性建模方法
3．3．1 超分辨率重建：光滑性正则化
3．3．2 超分辨率重建：稀疏性正则化
3．3．3 超分辨率重建：*大似然与*大后验
3．3．4 超分辨率重建：完全贝叶斯推理
3．4 本章小结
参考文献
第4章 图像超分辨建模基础：图像先验
4．1 引言
4．2 图像建模的国内外研究现状评述
4．2．1 变分PDE图像模型日新月异
4．2．2 稀疏表示方兴未艾
4．2．3 形态分量分析倍受关注
4．2．4 统计模型经久不衰
4．3 正则性（光滑性）先验
4．3．1 Tikhonov正则化先验
4．3．2 全变差先验和有界变差函数空间
4．3．3 图像先验模型：由TV到一般的梯度正则化
4．3．4 图像先验模型：由低阶到高阶
4．3．5 图像先验模型：由整数阶到分数阶
4．3．6 图像模型：偏微分方程与结构张量
4．4 稀疏性表示与稀疏先验
4．4．1 稀疏表示基本原理
4．4．2 由小波到多尺度几何分析
4．4．3 稀疏分解
4．4．4 字典学习
4．4．5 稀疏性度量比较
4．5 本章小结
参考文献

第2篇 超分辨算法基础与关键技术
第5章 超分辨算法基础：高效优化算法
5．1 引言
5．2 符号和数学背景
5．2．1 凸分析基础
5．2．2 凸集投影到邻近算子
5．2．3 邻近算子的性质
……
第3篇 图像超分辨与增强算法专题：变分PDE、稀疏正则化与贝叶斯方法