| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 图像超分技术及卷积网络的相关知识 | 第16-32页 |
| 2.1 图像成像退化模型 | 第16-18页 |
| 2.2 卷积网络基础知识 | 第18-23页 |
| 2.2.1 神经网络模型 | 第18-21页 |
| 2.2.2 卷积神经网络的基本结构 | 第21-23页 |
| 2.3 基于卷积神经网络的图像超分辨率重建算法 | 第23-28页 |
| 2.3.1 基于卷积神经网络的图像超分辨率重建算法 | 第23-25页 |
| 2.3.2 基于深度递归卷积网络的图像超分辨率重建算法 | 第25-26页 |
| 2.3.3 基于有效子像素卷积神经网络的实时单图像和视频超分辨重建算法 | 第26-27页 |
| 2.3.4 基于生成式对抗网络的图像超分辨率重建算法 | 第27-28页 |
| 2.4 图像超分辨率重建算法评价指标 | 第28-30页 |
| 2.4.1 峰值信噪比 | 第29页 |
| 2.4.2 结构相似度 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于动态卷积层的图像超分辨率重建算法 | 第32-48页 |
| 3.1 卷积层基本概念 | 第32-34页 |
| 3.1.1 卷积层结构 | 第32-33页 |
| 3.1.2 反向传播算法 | 第33-34页 |
| 3.2 基于动态卷积层的图像超分辨率重建算法 | 第34-38页 |
| 3.2.1 网络结构 | 第34-36页 |
| 3.2.2 网络的训练 | 第36-38页 |
| 3.3 实验与结果分析 | 第38-46页 |
| 3.3.1 参数的选择 | 第38-40页 |
| 3.3.2 实验结果 | 第40-45页 |
| 3.3.3 噪声影响 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于学习率自适应的图像超分辨率重建算法 | 第48-62页 |
| 4.1 卷积网络优化算法 | 第48-53页 |
| 4.1.1 梯度下降优化算法 | 第48-49页 |
| 4.1.2 Momentum优化算法 | 第49-51页 |
| 4.1.3 学习率优化算法 | 第51-53页 |
| 4.2 基于学习率自适应的图像超分辨率重建算法 | 第53-58页 |
| 4.2.1 算法原理 | 第53-55页 |
| 4.2.2 网络的训练 | 第55-58页 |
| 4.3 实验与结果分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间所发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |
