| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于插值的超分辨率重建 | 第13-15页 |
| 1.2.2 基于重建的超分辨率重建 | 第15-16页 |
| 1.2.3 基于学习的超分辨率重建 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第二章 卷积神经网络及图像超分辨率重建 | 第19-35页 |
| 2.1 图像超分辨率重建理论模型 | 第19-20页 |
| 2.2 人工神经网络 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-32页 |
| 2.2.1 卷积神经网络与图像超分辨率重建 | 第25-27页 |
| 2.2.2 激活函数 | 第27-30页 |
| 2.2.3 反向传播算法 | 第30-32页 |
| 2.4 基于卷积神经网络的图像超分辨率重建典型方法 | 第32-34页 |
| 2.4.1 SRCNN | 第32-33页 |
| 2.4.2 FSRCNN | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于深度残差网络的图像超分辨率重建 | 第35-53页 |
| 3.1 残差网络 | 第35-39页 |
| 3.1.1 残差学习 | 第35-37页 |
| 3.1.2 残差单元 | 第37-39页 |
| 3.2 全局残差卷积神经网络的图像超分辨率重建方法 | 第39-41页 |
| 3.3 提出的深度残差网络结构 | 第41-45页 |
| 3.3.1 网络结构 | 第41-44页 |
| 3.3.2 多尺度超分辨率重建 | 第44页 |
| 3.3.3 损失函数 | 第44-45页 |
| 3.4 实验结果与分析 | 第45-51页 |
| 3.4.1 评价标准 | 第45-46页 |
| 3.4.2 实验数据 | 第46页 |
| 3.4.3 执行细节 | 第46-47页 |
| 3.4.4 实验结果与分析 | 第47-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 基于深度递归多尺度残差网络的图像超分辨率重建 | 第53-70页 |
| 4.1 多尺度残差单元 | 第53-55页 |
| 4.2 递归学习 | 第55-57页 |
| 4.3 递归多尺度残差块 | 第57-59页 |
| 4.4 提出的深度递归多尺度残差网络 | 第59-62页 |
| 4.4.1 网络结构 | 第59-62页 |
| 4.4.2 损失函数 | 第62页 |
| 4.5 实验结果与分析 | 第62-68页 |
| 4.5.1 实验数据 | 第63页 |
| 4.5.2 执行细节 | 第63页 |
| 4.5.3 实验结果与分析 | 第63-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第五章 全文总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的成果 | 第78页 |
