一种基于神经网络的多帧超分辨算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 本文中出现的缩略词 | 第7-8页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究的目的和意义 | 第8页 |
| 1.2 国内外研究概况 | 第8-15页 |
| 1.2.1 基于重构的超分辨技术 | 第10-13页 |
| 1.2.2 基于学习的超分辨技术 | 第13-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 2 基于BP神经网络的超分辨技术基础 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 数字图像退化过程分析 | 第18-19页 |
| 2.3 数字图像的成像模型 | 第19-20页 |
| 2.4 超分辨算法的理论支撑 | 第20-21页 |
| 2.5 重建图像的质量评价 | 第21-24页 |
| 2.5.1 主观评价方法 | 第21-22页 |
| 2.5.2 客观评价方法 | 第22-24页 |
| 2.6 人工神经网络技术基础 | 第24-30页 |
| 2.6.1 人工神经网络技术概述 | 第24-25页 |
| 2.6.2 神经元模型 | 第25-26页 |
| 2.6.3 人工神经网络的网络结构 | 第26-28页 |
| 2.6.4 BP神经网络算法原理 | 第28-30页 |
| 2.7 本章小结 | 第30-32页 |
| 3 基于BP神经网络多帧图像超分辨算法的关键技术 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 BP神经网络实现超分辨率复原的机理分析 | 第32-33页 |
| 3.3 神经网络训练样本的设计 | 第33-40页 |
| 3.3.1 神经网络训练样本图像的产生 | 第33-34页 |
| 3.3.2 神经网络训练样本对的产生 | 第34-40页 |
| 3.4 神经网络设计 | 第40-44页 |
| 3.4.1 神经网络结构 | 第40页 |
| 3.4.2 神经元的传输函数 | 第40-42页 |
| 3.4.3 神经网络学习算法 | 第42-44页 |
| 3.5 待处理图像的分类 | 第44-47页 |
| 3.6 遗传算法优化神经网络初始权值 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 4 基于BP神经网络多帧图像超分辨复原算法设计 | 第50-90页 |
| 4.1 引言 | 第50页 |
| 4.2 整体技术方案 | 第50-51页 |
| 4.3 具体实现 | 第51-84页 |
| 4.3.1 产生神经网络样本图像 | 第51-60页 |
| 4.3.2 神经元的传输函数 | 第60-70页 |
| 4.3.3 神经网络的学习算法 | 第70-75页 |
| 4.3.4 图像纹理分类 | 第75-78页 |
| 4.3.5 遗传算法优化 | 第78-82页 |
| 4.3.6 中值滤波 | 第82-84页 |
| 4.4 实验结果与分析 | 第84-89页 |
| 4.4.1 实验结果 | 第84-88页 |
| 4.4.2 实验分析 | 第88-89页 |
| 4.5 本章小结 | 第89-90页 |
| 5 总结和展望 | 第90-92页 |
| 5.1 本文总结 | 第90页 |
| 5.2 工作展望 | 第90-92页 |
| 致谢 | 第92-94页 |
| 参考文献 | 第94-100页 |
| 附录 | 第100页 |
| A. 作者在攻读学位期间发表的专利和论文 | 第100页 |
| B. 作者在攻读学位期间参与的科研项目 | 第100页 |
