基于学习的超分辨率重建算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 图像超分辨率重建算法概述 | 第16-26页 |
| 2.1 超分辨率重建的基本理论模型 | 第16-17页 |
| 2.2 超分辨率重建算法的分类 | 第17-22页 |
| 2.2.1 基于插值的超分辨率重建算法 | 第17-20页 |
| 2.2.2 基于学习的超分辨率重建算法 | 第20-22页 |
| 2.3 重建图像的质量评价 | 第22-25页 |
| 2.3.1 主观评价 | 第22-23页 |
| 2.3.2 客观评价 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于集中稀疏表示的超分辨率重建算法 | 第26-42页 |
| 3.1 基于稀疏表示的超分辨率重建算法概述 | 第26-30页 |
| 3.1.1 稀疏表示的理论知识 | 第26-27页 |
| 3.1.2 稀疏表示的超分辨率重建算法 | 第27-30页 |
| 3.2 基于集中稀疏表示的超分辨率重建算法 | 第30-35页 |
| 3.2.1 K-Means算法介绍 | 第31-33页 |
| 3.2.2 集中稀疏表示的具体实现 | 第33-35页 |
| 3.3 改进的PCA字典 | 第35-37页 |
| 3.3.1 奇异值分解实现的PCA | 第35-36页 |
| 3.3.2 PCA字典的设计 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于深度学习的遥感图像超分辨率重建算法 | 第42-56页 |
| 4.1 卷积神经网络的基本理论 | 第42-45页 |
| 4.1.1 卷积神经网络的特性 | 第42-43页 |
| 4.1.2 卷积神经网络的网络结构 | 第43-45页 |
| 4.2 反向传播算法 | 第45-46页 |
| 4.3 遥感图像的超分辨率重建算法 | 第46-48页 |
| 4.4 实验结果及分析 | 第48-54页 |
| 4.4.1 不同数据集重建效果的影响 | 第49-51页 |
| 4.4.2 重建算法的主观评价 | 第51-53页 |
| 4.4.3 重建算法的客观评价 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
