| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 图像超分辨率的研究背景及意义 | 第13-14页 |
| 1.2 图像超分辨率的研究现状 | 第14-18页 |
| 1.2.1 基于非学习的图像超分辨率方法 | 第15页 |
| 1.2.2 基于浅层学习的图像超分辨率方法 | 第15-16页 |
| 1.2.3 基于深度学习的图像超分辨率方法 | 第16-18页 |
| 1.3 本文的主要研究内容及章节安排 | 第18-20页 |
| 第2章 基于深度学习的图像超分辨率理论基础 | 第20-27页 |
| 2.1 图像降质模型 | 第20-21页 |
| 2.2 深度卷积神经网络 | 第21-24页 |
| 2.3 深度生成对抗网络 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 联合高—低级特征的深度卷积神经网络图像超分辨率算法 | 第27-41页 |
| 3.1 总体框架 | 第27-28页 |
| 3.2 图像高—低级特征分析 | 第28-29页 |
| 3.3 联合高-低级特征深度的卷积神经网络算法设计 | 第29-32页 |
| 3.3.1 样本组织 | 第29页 |
| 3.3.2 深度CNN网络架构设计 | 第29-30页 |
| 3.3.3 深度CNN网络模型训练 | 第30-32页 |
| 3.3.4 高分辨率图像重建 | 第32页 |
| 3.4 本章算法总结 | 第32-34页 |
| 3.5 实验结果及分析 | 第34-40页 |
| 3.5.1 实验设置 | 第34-35页 |
| 3.5.2 实验参数讨论 | 第35-37页 |
| 3.5.3 结果对比及分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 融合形态学多特征约束的深度生成对抗网络图像超分辨率算法 | 第41-57页 |
| 4.1 总体框架 | 第41-42页 |
| 4.2 图像形态学分析 | 第42-44页 |
| 4.3 多特征约束融合 | 第44-47页 |
| 4.4 深度生成对抗网络架构设计 | 第47-51页 |
| 4.4.1 样本组织 | 第47页 |
| 4.4.2 深度GAN网络架构设计 | 第47-49页 |
| 4.4.3 深度GAN网络模型训练 | 第49-51页 |
| 4.4.4 高分辨率图像重建 | 第51页 |
| 4.5 本章算法总结 | 第51-53页 |
| 4.6 实验结果及分析 | 第53-56页 |
| 4.6.1 实验参数设置 | 第53页 |
| 4.6.2 实验参数讨论 | 第53-55页 |
| 4.6.3 实验结果分析 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 总结 | 第57-58页 |
| 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 附录A 攻读学位期间所取得的主要科研成果 | 第67页 |
