| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 基于插值的图像超分辨率重建方法 | 第12-13页 |
| 1.2.2 基于重构的图像超分辨率重建方法 | 第13-14页 |
| 1.2.3 基于学习的图像超分辨率重建方法 | 第14-16页 |
| 1.2.4 基于深度学习的图像超分辨率重建方法 | 第16-17页 |
| 1.3 主要研究内容及文章组织结构 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17页 |
| 1.3.2 文章的组织结构 | 第17-19页 |
| 2 预备知识 | 第19-27页 |
| 2.1 稀疏表示理论 | 第19-21页 |
| 2.2 K-SVD稀疏字典学习算法 | 第21-22页 |
| 2.3 图像质量评价标准 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于多特征融合和稀疏表示的图像超分辨率重建方法 | 第27-45页 |
| 3.1 提取图像特征 | 第28-32页 |
| 3.1.1 多特征表示 | 第28-30页 |
| 3.1.2 特征选择 | 第30-32页 |
| 3.2 联合字典学习 | 第32-33页 |
| 3.3 图像的超分辨率重建 | 第33-35页 |
| 3.4 实验结果与性能分析 | 第35-44页 |
| 3.4.1 训练样本图像数据库 | 第35-36页 |
| 3.4.2 测试样本图像数据库 | 第36-37页 |
| 3.4.3 实验参数的选择 | 第37-39页 |
| 3.4.4 实验结果比较 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于深度卷积神经网络的图像超分辨率重建方法 | 第45-59页 |
| 4.1 卷积神经网络 | 第45-48页 |
| 4.1.1 局部感知 | 第45-46页 |
| 4.1.2 参数共享 | 第46页 |
| 4.1.3 多卷积核 | 第46-47页 |
| 4.1.4 池化 | 第47页 |
| 4.1.5 网络结构 | 第47-48页 |
| 4.2 基于深度卷积神经网络的图像超分辨率重建方法 | 第48-54页 |
| 4.2.1 预处理 | 第49-50页 |
| 4.2.2 卷积 | 第50-51页 |
| 4.2.3 激活函数 | 第51-53页 |
| 4.2.4 网络结构 | 第53-54页 |
| 4.3 实验结果与性能分析 | 第54-57页 |
| 4.3.1 数值结果比较 | 第54-55页 |
| 4.3.2 视觉效果比较 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69页 |