基于卷积神经网络的图像盲复原方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图像复原传统算法研究现状 | 第11-12页 |
| 1.2.2 卷积神经网络图像复原研究现状 | 第12-13页 |
| 1.3 本文研究内容及结构组织安排 | 第13-15页 |
| 第2章 图像复原与卷积神经网络 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 图像盲复原基础理论 | 第15-18页 |
| 2.3 图像复原质量评价 | 第18-19页 |
| 2.4 卷积神经网络基础理论 | 第19-21页 |
| 2.4.1 卷积神经网络常用层简介 | 第19-20页 |
| 2.4.2 卷积神经网络前馈学习与反向传播 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于u-net卷积神经网络的图像盲复原 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 网络的构成 | 第22-24页 |
| 3.2.1 激活函数 | 第23页 |
| 3.2.2 转置卷积 | 第23-24页 |
| 3.3 u-net网络结构 | 第24-25页 |
| 3.4 训练与测试 | 第25-26页 |
| 3.5 实验结果 | 第26-33页 |
| 3.5.1 不同损失函数实验结果 | 第29-31页 |
| 3.5.2 训练图像尺寸对网络影响实验结果 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于梯度先验信息的图像盲复原 | 第34-47页 |
| 4.1 引言 | 第34页 |
| 4.2 理论依据 | 第34-35页 |
| 4.3 网络结构 | 第35-37页 |
| 4.3.1 总网络结构 | 第35-36页 |
| 4.3.2 子网络结构 | 第36-37页 |
| 4.4 训练与测试 | 第37-39页 |
| 4.5 实验结果对比 | 第39-45页 |
| 4.5.1 融合梯度训练实验结果 | 第40-43页 |
| 4.5.2 不同子网络的实验结果 | 第43-44页 |
| 4.5.3 去运动模糊实验 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第5章 基于条件生成对抗网络的图像盲复原 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 生成对抗网络的基本原理 | 第47-50页 |
| 5.2.1 KL散度 | 第47-48页 |
| 5.2.2 生成对抗网络理论推导 | 第48-49页 |
| 5.2.3 生成对抗网络的训练 | 第49-50页 |
| 5.3 条件生成对抗网络结构 | 第50-51页 |
| 5.4 鉴别器网络结构 | 第51-52页 |
| 5.5 实验结果对比 | 第52-54页 |
| 5.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62页 |
