基于阵列相机的动态超分辨率重建
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 课题设计依据 | 第11-12页 |
| 1.4 论文内容安排 | 第12-14页 |
| 第二章 超分辨率重建的经典算法 | 第14-23页 |
| 2.1 基于频域的超分辨率重建算法 | 第14页 |
| 2.2 基于空域的超分辨率重建算法 | 第14-17页 |
| 2.2.1 传统插值法 | 第15页 |
| 2.2.2 最大后验概率法 | 第15-16页 |
| 2.2.3 凸集投影法 | 第16页 |
| 2.2.4 自适应滤波法 | 第16页 |
| 2.2.5 迭代反投影法 | 第16-17页 |
| 2.2.6 基于学习方法 | 第17页 |
| 2.3 超分辨率重建基本模型 | 第17-20页 |
| 2.4 超分辨率重建图像质量评价标准 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 动态场景阵列图像预处理 | 第23-33页 |
| 3.1 微阵列相机介绍 | 第23-26页 |
| 3.2 动态场景阵列图像 | 第26-32页 |
| 3.2.1 动态场景阵列图像畸变校正 | 第26-28页 |
| 3.2.2 同组动态场景阵列图像配准 | 第28-30页 |
| 3.2.3 同组动态场景阵列图像插值 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 超分辨率重建算法研究 | 第33-47页 |
| 4.1 本文算法 | 第33页 |
| 4.2 基于卷积神经网络的超分辨率重建方法 | 第33-38页 |
| 4.2.1 SRCNN的超分辨率重建模型 | 第34页 |
| 4.2.2 FSRCNN-s的超分辨率重建模型 | 第34-35页 |
| 4.2.3 本文的卷积神经网络模型 | 第35-38页 |
| 4.3 网络配置及实验结果分析 | 第38-46页 |
| 4.3.1 卷积神经网络配置及训练 | 第38-39页 |
| 4.3.2 卷积神经网络重建实验 | 第39-44页 |
| 4.3.3 动态场景图像重建结果评价 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
