基于卷积神经网络的图像超分辨率算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景与意义 | 第10-12页 |
| 1.3 图像超分辨率技术国内外研究现状 | 第12-15页 |
| 1.4 本文主要研究内容和组织结构 | 第15-17页 |
| 第2章 基于DPN的单尺度图像超分辨率算法 | 第17-36页 |
| 2.1 图像超分辨率基本理论 | 第17-22页 |
| 2.1.1 图像退化过程 | 第17-18页 |
| 2.1.2 SRCNN | 第18-20页 |
| 2.1.3 图像超分辨率算法的评价标准 | 第20-22页 |
| 2.2 DPN | 第22-24页 |
| 2.3 子像素卷积层 | 第24-26页 |
| 2.4 模型设计 | 第26-29页 |
| 2.4.1 高层特征提取模块 | 第27-29页 |
| 2.4.2 上采样模块 | 第29页 |
| 2.5实验 | 第29-35页 |
| 2.5.1 训练细节 | 第29-30页 |
| 2.5.2 实验结果与分析 | 第30-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 基于DPN的多尺度图像超分辨率算法 | 第36-50页 |
| 3.1 ResNet | 第36-38页 |
| 3.2 模型设计 | 第38-43页 |
| 3.2.1 预处理模块 | 第39-40页 |
| 3.2.2 高层特征提取模块 | 第40-42页 |
| 3.2.3 上采样模块 | 第42-43页 |
| 3.3实验 | 第43-49页 |
| 3.3.1 训练细节 | 第43-44页 |
| 3.3.2 实验结果与分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于GAN的多尺度图像超分辨率算法 | 第50-59页 |
| 4.1 GAN | 第50-51页 |
| 4.2 模型设计 | 第51-53页 |
| 4.2.1 生成器 | 第52-53页 |
| 4.2.2 判别器 | 第53页 |
| 4.3 损失函数 | 第53-55页 |
| 4.4实验 | 第55-58页 |
| 4.4.1 训练细节 | 第55-56页 |
| 4.4.2 实验结果与分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的研究成果 | 第67页 |
