视频超分辨率重建系统的研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 基于重建的超分辨率研究现状 | 第14-15页 |
| 1.2.2 基于机器学习的超分辨率研究现状 | 第15-16页 |
| 1.3 研究内容和论文安排 | 第16-18页 |
| 第二章 超分辨率重建相关技术 | 第18-28页 |
| 2.1 超分辨率问题来源及数学本质 | 第18-19页 |
| 2.1.1 超分辨率问题的来源 | 第18-19页 |
| 2.1.2 超分辨率问题的数学本质 | 第19页 |
| 2.2 基于重建的超分辨率技术 | 第19-22页 |
| 2.2.1 基于非均匀插值的重建 | 第20页 |
| 2.2.2 基于迭代自适应滤波方法 | 第20-21页 |
| 2.2.3 基于MAP的正则化方法 | 第21-22页 |
| 2.3 基于机器学习的超分辨率技术 | 第22-25页 |
| 2.3.1 基于邻域嵌入的流形学习方法 | 第23-24页 |
| 2.3.2 基于卷积神经网络的方法 | 第24-25页 |
| 2.4 重建质量评价标准 | 第25-27页 |
| 2.4.1 峰值信噪比 | 第25-26页 |
| 2.4.2 结构相似度 | 第26页 |
| 2.4.3 NIQE算法 | 第26-27页 |
| 2.5 本章总结 | 第27-28页 |
| 第三章 基于双边全变分的视频超分辨率重建 | 第28-45页 |
| 3.1 图像配准研究 | 第28-29页 |
| 3.2 基于A-KAZE的改进图像配准算法 | 第29-32页 |
| 3.2.1 构造非线性尺度空间 | 第29-30页 |
| 3.2.2 特征点检测 | 第30-31页 |
| 3.2.3 改进的LDB特征描述子(ILDB) | 第31页 |
| 3.2.4 特征向量匹配与运动变换矩阵估计 | 第31-32页 |
| 3.3 视频超分辨率重建方法 | 第32-37页 |
| 3.3.1 改进增量式方法 | 第34页 |
| 3.3.2 基于L_I范式的重建 | 第34-35页 |
| 3.3.3 时间一致性 | 第35-36页 |
| 3.3.4 基于双边全变分的正则化 | 第36-37页 |
| 3.4 实验结果分析 | 第37-43页 |
| 3.4.1 配准对比实验 | 第38-41页 |
| 3.4.2 模拟LR视频超分辨重建 | 第41-42页 |
| 3.4.3 实际视频序列超分辨率重建 | 第42-43页 |
| 3.5 本章总结 | 第43-45页 |
| 第四章 基于卷积神经网络的视频超分辨率重建 | 第45-56页 |
| 4.1 卷积神经网络 | 第45-48页 |
| 4.1.1 基本思想 | 第45-46页 |
| 4.1.2 反向传播 | 第46-48页 |
| 4.2 基于卷积网络的视频超分辨率重建算法 | 第48-51页 |
| 4.2.1 视频超分辨率重建框架 | 第48-49页 |
| 4.2.2 神经网络超参数改进 | 第49-50页 |
| 4.2.3 视频超分辨率模型权重初始化 | 第50-51页 |
| 4.3 实验结果分析与讨论 | 第51-55页 |
| 4.3.1 实验环境 | 第51-52页 |
| 4.3.2 数据准备与模型训练 | 第52-53页 |
| 4.3.3 实验结果 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 视频超分辨率原型系统实现 | 第56-60页 |
| 5.1 实现环境 | 第56页 |
| 5.2 功能设计与实现 | 第56-57页 |
| 5.3 系统实际效果 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 攻读硕士学位期间发表论文情况 | 第67页 |
