| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.3 主要研究内容和论文结构安排 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 2 超分辨率重建技术研究 | 第22-27页 |
| 2.1 超分辨率重建概述 | 第22页 |
| 2.2 超分辨率算法分类 | 第22-23页 |
| 2.3 基于插值的超分辨率算法研究 | 第23页 |
| 2.4 基于重建的超分辨率算法研究 | 第23-25页 |
| 2.5 基于学习的超分辨率算法研究 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于卷积神经网络的超分辨率重建算法研究 | 第27-48页 |
| 3.1 人工神经网络基本原理 | 第27-30页 |
| 3.2 卷积神经网络结构分析 | 第30-32页 |
| 3.3 卷积神经网络特性研究 | 第32-35页 |
| 3.4 卷积神经网络实现过程 | 第35-37页 |
| 3.5 卷积神经网络学习框架 | 第37-38页 |
| 3.6 基于卷积神经网络的超分辨率重建模型研究 | 第38-46页 |
| 3.7 本章小结 | 第46-48页 |
| 4 基于边缘指导的双通道反馈残差网络超分辨率重建算法研究 | 第48-68页 |
| 4.1 反馈残差网络构建 | 第48-50页 |
| 4.2 算法模型设计 | 第50-55页 |
| 4.3 实验分析 | 第55-66页 |
| 4.4 本章小结 | 第66-68页 |
| 5 基于亚像素卷积的多尺度反馈残差网络超分辨率重建算法研究 | 第68-80页 |
| 5.1 亚像素卷积研究 | 第68-70页 |
| 5.2 多尺度模型分析 | 第70-72页 |
| 5.3 激活函数与损失函数研究 | 第72页 |
| 5.4 实验分析 | 第72-78页 |
| 5.5 本章小结 | 第78-80页 |
| 6 总结与展望 | 第80-83页 |
| 6.1 工作总结 | 第80-81页 |
| 6.2 工作展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 作者简历 | 第89-91页 |
| 学位论文数据集 | 第91页 |