| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 超分辨率研究进展 | 第11-20页 |
| 1.2.1 多帧图像超分辨率 | 第11-12页 |
| 1.2.2 视频超分辨率 | 第12页 |
| 1.2.3 单帧图像超分辨率 | 第12-20页 |
| 1.3 本文主要工作及组织结构 | 第20-22页 |
| 第二章 卷积神经网络背景知识 | 第22-28页 |
| 2.1 多层感知机 | 第22-23页 |
| 2.2 卷积神经网络 | 第23-25页 |
| 2.3 卷积神经网络经典结构 | 第25-28页 |
| 2.3.1 VGG-Nets网络(VGG) | 第25页 |
| 2.3.2 残差网络(ResNet) | 第25-26页 |
| 2.3.3 稠密连接网络(DenseNet) | 第26-28页 |
| 第三章 基于稠密残差网的单帧图像超分辨率 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 传统超分辨率卷积神经网络结构讨论 | 第28-31页 |
| 3.2.1 超分辨率卷积神经网络(SRCNN) | 第28-29页 |
| 3.2.2 快速超分辨率卷积神经网络(FSRNN) | 第29-30页 |
| 3.2.3 深度超分辨率卷积神经网络(VDSR) | 第30-31页 |
| 3.3 稠密残差卷积神经网络 | 第31-34页 |
| 3.3.1 稠密残差网结构 | 第31-33页 |
| 3.3.2 局部特征融合 | 第33-34页 |
| 3.4 实验与分析 | 第34-40页 |
| 3.4.1 训练集和测试集数据 | 第34-35页 |
| 3.4.2 相关实验参数设置 | 第35页 |
| 3.4.3 实验结果对比 | 第35-40页 |
| 第四章 基于l_1和结构相似性误差损失函数的卷积神经网络单帧图像超分辨率 | 第40-46页 |
| 4.1 引言 | 第40页 |
| 4.2 损失函数 | 第40-43页 |
| 4.2.1 均方误差 | 第40-42页 |
| 4.2.2 l_1误差 | 第42页 |
| 4.2.3 对抗损失 | 第42页 |
| 4.2.4 结构相似性指数 | 第42-43页 |
| 4.3 结合l_1和结构相似性的误差损失函数 | 第43-44页 |
| 4.4 实验与分析 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 附录 | 第54-55页 |
| 致谢 | 第55页 |