| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文组织结构及创新点 | 第15-16页 |
| 第2章 遥感图像超分辨率方法概述 | 第16-21页 |
| 2.1 遥感图像概述 | 第16-17页 |
| 2.2 基于插值的方法 | 第17-18页 |
| 2.3 基于统计的方法 | 第18-19页 |
| 2.4 基于学习的方法 | 第19-20页 |
| 2.5 基于重建的方法 | 第20-21页 |
| 第3章 基于深度学习的超分辨率技术 | 第21-33页 |
| 3.1 深度学习基本原理和常用框架介绍 | 第21-25页 |
| 3.1.1 深度学习基本原理 | 第21-23页 |
| 3.1.2 深度学习常用框架介绍 | 第23-25页 |
| 3.2 深度学习的应用领域 | 第25-31页 |
| 3.2.1 图像分类 | 第25-26页 |
| 3.2.2 目标检测 | 第26-28页 |
| 3.2.3 自然语言处理 | 第28-31页 |
| 3.3 基于深度卷积神经网络的超分辨率 | 第31-33页 |
| 第4章 生成对抗网络 | 第33-41页 |
| 4.1 生成对抗网络提出的背景 | 第33页 |
| 4.2 生成对抗网络及其衍生模型 | 第33-39页 |
| 4.2.1 原始生成对抗网络 | 第33-35页 |
| 4.2.2 卷积生成对抗网络 | 第35-37页 |
| 4.2.3 Wasserstein生成对抗网络 | 第37-39页 |
| 4.2.4 条件生成对抗网络 | 第39页 |
| 4.3 生成对抗网络的训练方法 | 第39-40页 |
| 4.4 生成对抗网络的应用领域 | 第40-41页 |
| 第5章 单幅遥感图像的超分辨率实验分析 | 第41-50页 |
| 5.1 模型评价准则 | 第41-42页 |
| 5.1.1 峰值信噪比 | 第41页 |
| 5.1.2 结构相似性 | 第41页 |
| 5.1.3 均方根误差 | 第41-42页 |
| 5.2 基于生成对抗网络的超分辨率 | 第42-43页 |
| 5.3 基于生成对抗网络的超分辨率在一般图像中的实验 | 第43-46页 |
| 5.3.1 实验数据 | 第43页 |
| 5.3.2 实验过程和结果分析 | 第43-46页 |
| 5.4 基于生成对抗网络的超分辨率在遥感图像中的实验 | 第46-48页 |
| 5.4.1 实验数据 | 第46页 |
| 5.4.2 实验过程和结果分析 | 第46-48页 |
| 5.5 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间取得学术成果 | 第57-58页 |
| 附录 | 第58-63页 |