| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 图像复原问题的研究现状 | 第9-10页 |
| 1.2.1 图像去模糊研究现状 | 第9-10页 |
| 1.2.2 图像超分辨率重建研究现状 | 第10页 |
| 1.3 本文的研究内容及章节安排 | 第10-12页 |
| 第二章 图像复原基础理论 | 第12-22页 |
| 2.1 引言 | 第12页 |
| 2.2 图像去模糊基础理论 | 第12-15页 |
| 2.2.1 图像退化与复原模型 | 第12-13页 |
| 2.2.2 几种常见的图像去模糊方法 | 第13-15页 |
| 2.3 超分辨率重建基础理论 | 第15-19页 |
| 2.3.1 低分辨率图像的成像原理 | 第15-16页 |
| 2.3.2 图像超分辨率重建算法分类 | 第16-19页 |
| 2.4 图像复原质量评价 | 第19-21页 |
| 2.4.1 主观评价方法 | 第19-20页 |
| 2.4.2 客观评价方法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于卷积神经网络的图像去模糊 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 卷积神经网络（CNN） | 第22-25页 |
| 3.2.1 卷积神经网络简介 | 第22页 |
| 3.2.2 卷积神经网络的模型结构 | 第22-24页 |
| 3.2.3 卷积神经网络的前馈学习与反向调整 | 第24-25页 |
| 3.3 基于卷积神经网络的图像去模糊原理与实现 | 第25-28页 |
| 3.3.1 网络结构 | 第25-26页 |
| 3.3.2 图像的映射关系 | 第26页 |
| 3.3.3 卷积层 | 第26页 |
| 3.3.4 下采样层 | 第26-27页 |
| 3.3.5 权值调整与学习 | 第27页 |
| 3.3.6 程序流程图 | 第27-28页 |
| 3.4 TID数据图像库简介 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-32页 |
| 3.5.1 卷积神经网络图像去模糊实验 | 第29-31页 |
| 3.5.2 不同网络参数对复原结果的影响 | 第31-32页 |
| 3.5.3 输入图像尺寸对复原结果的影响 | 第32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 基于混合神经网络的图像去模糊方法 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 BP神经网络在图像复原中的应用 | 第34-36页 |
| 4.2.1 BP神经网络算法研究 | 第34-35页 |
| 4.2.2 用于图像复原的BP网络模型 | 第35页 |
| 4.2.3 用于图像复原的BP网络结构设计 | 第35-36页 |
| 4.3 基于混合神经网络的图像去模糊算法 | 第36-41页 |
| 4.3.1 网络结构 | 第37页 |
| 4.3.2 卷积层与下采样层 | 第37-38页 |
| 4.3.3 两个阶段的配合 | 第38页 |
| 4.3.4 模型调整与学习 | 第38-39页 |
| 4.3.5 程序流程图 | 第39-41页 |
| 4.4 实验结果与分析 | 第41-44页 |
| 4.4.1 基于混合神经网络的图像去模糊实验 | 第41-43页 |
| 4.4.2 BP神经网络参数设置 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 改进的基于卷积神经网络的超分辨率重建 | 第45-54页 |
| 5.1 引言 | 第45页 |
| 5.2 基于卷积神经网络的超分辨率重建技术 | 第45-46页 |
| 5.3 改进的基于卷积神经网络的图像超分辨率重建模型 | 第46-49页 |
| 5.3.1 卷积层 | 第47页 |
| 5.3.2 下采样层 | 第47-48页 |
| 5.3.3 线性校正单元RELU | 第48-49页 |
| 5.4 实验结果与分析 | 第49-53页 |
| 5.4.1 与其他超分辨率算法比较 | 第49-50页 |
| 5.4.2 不同参数设置的网络模型对比 | 第50-51页 |
| 5.4.3 人脸超分辨率重建 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第60页 |