| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 图像超分辨率重建问题描述 | 第9页 |
| 1.3 图像超分辨率重建国内外发展现状 | 第9-13页 |
| 1.3.1 传统算法 | 第9-10页 |
| 1.3.2 基于深度学习的算法 | 第10-13页 |
| 1.4 论文主要内容和结构安排 | 第13-16页 |
| 1.4.1 论文主要内容 | 第13-14页 |
| 1.4.2 结构安排 | 第14-16页 |
| 第2章 图像超分辨重建与深度学习理论基础 | 第16-32页 |
| 2.1 图像超分辨基本理论 | 第16-17页 |
| 2.2 深度学习基本理论 | 第17-28页 |
| 2.2.1 深度学习基本概念 | 第17页 |
| 2.2.2 深度学习经典模型 | 第17-21页 |
| 2.2.3 激活函数 | 第21-24页 |
| 2.2.4 反向传播算法 | 第24-26页 |
| 2.2.5 优化方法 | 第26-28页 |
| 2.3 图像超分辨评价指标 | 第28-30页 |
| 2.3.1 主观评价指标 | 第28-29页 |
| 2.3.2 PSNR峰值信噪比 | 第29页 |
| 2.3.3 SSIM结构相似度 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于双通道卷积神经网络的图像超分辨率重建算法 | 第32-46页 |
| 3.1 改进的浅层和深层卷积神经网络 | 第32-35页 |
| 3.1.1 网络结构 | 第32-33页 |
| 3.1.2 特征提取和表达 | 第33页 |
| 3.1.3 非线性映射 | 第33-34页 |
| 3.1.4 上采样 | 第34页 |
| 3.1.5 多尺度变换 | 第34-35页 |
| 3.1.6 双通道融合 | 第35页 |
| 3.2 数据集和网络训练 | 第35-36页 |
| 3.2.1 数据集制作 | 第35-36页 |
| 3.2.2 网络训练 | 第36页 |
| 3.3 彩色图像超分辨实验及结果分析 | 第36-42页 |
| 3.3.1 主观效果 | 第36-40页 |
| 3.3.2 客观效果 | 第40-41页 |
| 3.3.3 时间复杂度 | 第41-42页 |
| 3.4 视频超分辨实验及结果分析 | 第42-43页 |
| 3.5 不同大小网络、单多尺幅网络对比实验及结果分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于生成对抗网络的图像超分辨率重建 | 第46-52页 |
| 4.1 引言 | 第46-47页 |
| 4.2 改进的生成对抗网络模型 | 第47-48页 |
| 4.2.1 上采样部分 | 第47-48页 |
| 4.2.2 损失函数 | 第48页 |
| 4.3 实验结果及分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-60页 |
| 致谢 | 第60页 |