第1章 绪论 1
1.1 图像插值 1
1.2 图像超分辨率重建 2
第2章 多项式图像插值 4
2.1 引言 4
2.2 经典图像插值算法 4
2.3 B样条图像插值 5
2.3.1 多项式样条 5
2.3.2 B样条类型 7
2.3.3 B样条插值的数字滤波器实现 8
2.4 O－MOMS插值法 10
2.5 Keys’（双三次）插值 11
2.6 多项式图像插值的问题 12
2.6.1 振铃效应 12
2.6.2 混叠效应 12
2.6.3 块效应 12
2.6.4 模糊效应 12
第3章 自适应多项式图像插值 13
3.1 引言 13
3.2 低分辨率图像降质模型 13
3.3 线性不变空间图像插值 15
3.4 有偏距离图像插值 16
3.5 权重图像插值 16
3.6 迭代图像插值 17
3.7 仿真实例 23
第4章 基于神经网络的多项式图像插值 52
4.1 引言 52
4.2 ANN基础知识 52
4.2.1 神经元 52
4.2.2 层 52
4.2.3 连接 52
4.2.4 权重 53
4.2.5 激励规则 53
4.2.6 激励函数 53
4.2.7 输出 54
4.2.8 学习规则 54
4.3 神经网络结构 54
4.3.1 多层感知网络 55
4.3.2 径向基函数网络 55
4.3.3 小波神经网络 55
4.3.4 循环神经网络 56
4.4 训练算法 56
4.5 神经网络图像插值 57
4.6 仿真试验 57
第5章 彩色图像插值 65
5.1 引言 65
5.2 色彩过滤阵列 65
5.2.1 白平衡 66
5.2.2 Beyer插值 66
5.3 拉普拉斯二阶矫正的线性插值 68
5.4 自适应彩色图像插值 69
第6章 图像插值在模式识别中的应用 73
6.1 引言 73
6.2 倒频谱模式识别技术 75
6.3 特征提取 76
6.3.1 MFCC系数计算 76
6.3.2 多项式系数 77
6.4 基于离散变换的特征提取 78
6.4.1 离散小波变换 78
6.4.2 离散余弦变换 80
6.4.3 离散正弦变换 81
6.5 基于人工神经网络的特征匹配 81
6.6 仿真实例 81
第7章 图像插值逆问题 129
7.1 引言 129
7.2 自适应最小二乘图像插值 130
7.3 LMMSE图像插值 131
7.4 最大熵图像插值 133
7.5 正则化图像插值 134
7.6 仿真试验 135
7.7 红外图像的插值 150
第8章 图像配准 153
8.1 引言 153
8.2 图像配准的应用 153
8.2.1 不同视角（多视角分析） 154
8.2.2 不同时间（多时相分析） 154
8.2.3 不同传感器（多模型分析） 154
8.2.4 场景和模型的配准 154
8.3 图像配准的步骤 154
8.3.1 特征检测步骤 155
8.3.2 特征匹配步骤 155
8.3.3 变换模型估计 157
8.3.4 图像重采样和变换 158
8.4 图像配准精度的估计 159
第9章 图像融合 160
9.1 引言 160
9.2 图像融合的目标 160
9.3 图像融合的实现 161
9.4 像素级图像融合 163
9.5 主元分析融合 164
9.6 小波融合 165
9.6.1 DWT融合 165
9.6.2 DWFT融合 166
9.7 曲波融合 167
9.7.1 子带滤波 169
9.7.2 分割 169
9.7.3 脊波变换 169
9.8 IHS融合 171
9.9 高通滤波融合 172
9.10 格兰施密特融合 173
9.11 卫星图像融合 174
9.12 MR和CT图像融合 206
第10章 基于先验知识的超分辨率重建 215
10.1 引言 215
10.2 多观测LR降质模型 216
10.3 基于小波的图像超分辨率重建 217
10.4 简化的多通道降质模型 218
10.5 多通道图像复原 218
10.5.1 多通道LMMSE复原 219
10.5.2 多通道最大熵复原 221
10.5.3 多通道正则化复原 222
10.6 仿真实例 225
第11章 无先验知识的超分辨率重建 235
11.1 引言 235
11.2 问题描述 235
11.3 二维GCD算法 236
11.4 盲超分辨率重建方法 237
11.5 仿真试验 239
附录A 离散B样条 242
附录B 托普利茨－循环近似 244
附录C 牛顿算法 247
附录D MATLAB？代码 250
参考文献 403
索引 410