跨尺度運動圖像的插值增強與重建

第1章 緒論
1．1 研究背景與意義
1．1．1 運動圖像插值研究背景與意義
1．1．2 運動圖像增強與重建研究背景與意義
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 運動圖像描述研究現(xiàn)狀
1．2．2 運動圖像插值研究現(xiàn)狀
1．2．3 運動圖像增強研究現(xiàn)狀
1．2．4 運動圖像超分辨率重建研究現(xiàn)狀
參考文獻

第2章 運動圖像跨尺度描述方法研究
2．1 引言
2．2 運動圖像序列細微運動放大算法的提出
2．2．1 SIMM算法研究動機
2．2．2 歐拉放大原理
2．2．3 SIMM算法描述
2．2．4 SIMM算法實驗結(jié)果與分析
2．3 運動圖像序列跨尺度描述算法的提出
2．3．1 SITD算法研究動機
2．3．2 SITD算法描述
2．3．3 SITD算法實驗結(jié)果與分析
2．4 本章小結(jié)
參考文獻

第3章 基于高斯過程回歸與視覺顯著性檢測的圖像插值方法研究
3．1 引言
3．2 基于高斯過程回歸的插值算法的提出
3．2．1 EGPR算法研究動機
3．2．2 高斯過程回歸模型
3．2．3 EGPR算法描述
3．2．4 EGPR算法實驗結(jié)果與分析
3．3 基于視覺顯著性檢測的圖像插值算法的提出
3．3．1 SEGPR算法研究動機
3．3．2 SEGPR算法描述
3．3．3 SEGPR算法實驗結(jié)果與分析
3．4 本章小結(jié)
參考文獻

第4章 基于一致性敏感哈希與區(qū)域?qū)虻倪\動圖像序列插值方法研究
4．1 引言
4．2 基于一致性敏感哈希的幀插值算法的提出
4．2．1 CSFI算法研究動機
4．2．2 CSFI算法描述
4．2．3 CsFI算法實驗結(jié)果與分析
4．3 區(qū)域?qū)蜻\動圖像序列插值算法的提出
4．3．1 RGSI算法研究動機
4．3．2 RGsI算法描述
4．3．3 RGSI算法實驗結(jié)果與分析
4．4 本章小結(jié)
參考文獻

第5章 基于分區(qū)插值的感知驅(qū)動運動圖像縮放方法研究
5．1 引言
5．2 基于分區(qū)插值的感知驅(qū)動運動圖像縮放算法的提出
5．2．1 IPDR算法研究動機
5．2．2 IPDR算法描述
5．3 IPDR算法實驗結(jié)果與分析
5．3．1 運動圖像縮放結(jié)果對比實驗
5．3．2 標準運動圖像縮放結(jié)果對比實驗
5．4 本章小結(jié)
參考文獻

第6章 跨尺度自適應(yīng)運動圖像去噪研究
6．1 引言
6．2 基于尺度相關(guān)SURE-LET的跨尺度自適應(yīng)去噪算法的提出
6．2．1 NCTSD算法研究動機
6．2．2 含噪圖像成像模型
6．2．3 無偏風險估計
6．2．4 NCTSD算法描述
6．2．5 NCTSD算法實驗結(jié)果及分析
6．3 本章小結(jié)
參考文獻

第7章 跨尺度自適應(yīng)運動圖像增強研究
7．1 引言
7．2 基于時空顯著性的跨尺度自適應(yīng)增強（ST-CAE）算法的提出
7．2．1 ST-CAE算法研究動機
7．2．2 ST-CAE算法描述
7．2．3 ST-CAE算法實驗結(jié)果及分析
7．3 基于多尺度變換的運動圖像增強（NCTSD）算法的提出
7．3．1 非下采樣Contourlet變換工具
7．3．2 NCTSD算法描述
7．3．3 實驗結(jié)果及分析
7．4 本章小結(jié)
參考文獻

第8章 基于非局部相似性和顯著性檢測的跨尺度超分辨率重建研究
8．1 引言
8．2 基于非局部相似性的超分辨率重建（NL_SR）算法
8．3 基于zernike矩和非局部相似性的跨尺度超分辨率
重建（ST-ASR）算法的提出
8．3．1 ST-ASR算法研究動機
8．3．2 ST-ASR算法描述
8．3．3 ST-ASR算法實驗結(jié)果及分析
8．4 基于顯著性目標檢測的超分辨率重建（STDR）算法的提出
8．4．1 STDR算法描述
8．4．2 STDR算法實驗結(jié)果及分析
8．5 本章小結(jié)
參考文獻

第9章 基于光流估計和模糊配準機制的時空超分辨率重建研究
9．1 引言
9．2 基于光流估計和模糊配準機制的時空超分辨率重建（STSR）算法的提出
9．2．1 STSR算法研究動機
9．2．2 STSR算法描述
9．3 STSR算法實驗結(jié)果及分析
9．3．1 實驗數(shù)據(jù)集和客觀評價指標
9．3．2 STSR算法實驗結(jié)果及分析
9．4 本章小結(jié)
參考文獻

第10章 基于時空特征和神經(jīng)網(wǎng)絡(luò)的視頻超分辨率算法研究
10．1 引言
10．2 基于時空特征與神經(jīng)網(wǎng)絡(luò)的視頻超分辨率（STCNN）算法的提出
10．2．1 時空特征提取和相似性計算
10．2．2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的關(guān)聯(lián)映射學習
10．2．3 基于時空特征的相似性匹配與融合
10．2．4 STCNN算法實現(xiàn)步驟
10．3 STCNN算法實驗結(jié)果及分析
10．3．1 客觀評價指標
10．3．2 主觀視覺評價
10．4 本章小結(jié)
參考文獻

第11章 跨尺度運動圖像的插值、增強和重建系統(tǒng)
11．1 運動圖像跨尺度插值模型的實現(xiàn)
11．1．1 運動圖像跨尺度插值模型的實現(xiàn)
11．1．2 MTIM模型實驗結(jié)果與分析
11．2 跨尺度運動圖像增強和超分辨率重建系統(tǒng)實現(xiàn)
11．2．1 引言
11．2．2 DIERS系統(tǒng)總體架構(gòu)
11．2．3 主要功能模塊設(shè)計與實現(xiàn)
11．3 本章小結(jié)