| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 压缩感知研究现状 | 第11-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-15页 |
| 1.2.3 Vivado研究现状 | 第15-17页 |
| 1.3 本文的主要内容及章节安排 | 第17-18页 |
| 第2章 压缩感知及超分辨率卷积神经网络基本理论 | 第18-28页 |
| 2.1 压缩感知理论分析 | 第18-22页 |
| 2.1.1 稀疏表示方法研究 | 第18-21页 |
| 2.1.2 测量矩阵设计研究 | 第21-22页 |
| 2.2 压缩感知重构算法研究 | 第22-23页 |
| 2.2.1 贪婪类算法 | 第22-23页 |
| 2.2.2 凸优化算法 | 第23页 |
| 2.3 超分辨率卷积神经网络算法研究 | 第23-27页 |
| 2.3.1 SRCNN | 第23-24页 |
| 2.3.2 ESPCN | 第24页 |
| 2.3.3 SRGAN | 第24-25页 |
| 2.3.4 反问题算法研究 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于SRCNN的压缩感知图像超分辨率重建 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 稀疏编码和卷积神经网络 | 第28-31页 |
| 3.2.1 稀疏编码 | 第28-29页 |
| 3.2.2 卷积神经网络 | 第29-31页 |
| 3.3 压缩感知图像重建过程和SRCNN可结合性分析 | 第31-35页 |
| 3.3.1 压缩感知图像重建OMP算法和反向传播BP算法对比 | 第31-33页 |
| 3.3.2 SRCNN超分辨率卷积神经网络和稀疏编码关系 | 第33-35页 |
| 3.3.3 可结合性分析 | 第35页 |
| 3.4 基于SRCNN的压缩感知图像超分辨率重建 | 第35-39页 |
| 3.4.1 数值结果 | 第36-39页 |
| 3.4.2 结果分析 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于Vivado的超分辨率卷积神经网络仿真 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 Vivado硬件实现设计 | 第40-43页 |
| 4.2.1 Zedboard板块介绍 | 第40-42页 |
| 4.2.2 整体设计思路 | 第42-43页 |
| 4.3 Vivado硬件仿真实现过程 | 第43-44页 |
| 4.3.1 C代码编译设计 | 第43页 |
| 4.3.2 VivadoHLS软件综合编译过程 | 第43-44页 |
| 4.4 仿真实验结果 | 第44-49页 |
| 4.4.1 第一卷积层硬件仿真结果 | 第44-45页 |
| 4.4.2 第二卷积层硬件仿真结果 | 第45-46页 |
| 4.4.3 第三卷积层硬件仿真结果 | 第46-47页 |
| 4.4.4 输入输出端及时钟信号仿真结果 | 第47-49页 |
| 4.4.5 滤波器模块仿真结果 | 第49页 |
| 4.5 SRCNN算法硬件仿真结果分析 | 第49-52页 |
| 4.5.1 整体分析 | 第49-51页 |
| 4.5.2 局部分析 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
