| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-17页 |
| 1.1 图像超分辨重建的研究背景和意义 | 第7-9页 |
| 1.2 图像超分辨重建的研究现状 | 第9-15页 |
| 1.3 本论文的主要工作与结构安排 | 第15-17页 |
| 1.3.1 本文的主要工作 | 第15页 |
| 1.3.2 全文的组织结构 | 第15-17页 |
| 2 相关理论知识 | 第17-31页 |
| 2.1 图像的观测模型 | 第17-18页 |
| 2.2 基于学习的图像超分辨重建算法 | 第18-22页 |
| 2.2.1 基于马尔科夫随机场的图像超分辨算法 | 第18-20页 |
| 2.2.2 基于稀疏表示的图像超分辨算法 | 第20-21页 |
| 2.2.3 基于深度卷积神经网络的图像超分辨算法 | 第21-22页 |
| 2.3 图像的自相似模型 | 第22-25页 |
| 2.4 空间变换神经网络 | 第25-27页 |
| 2.5 图像质量评价指标 | 第27-29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 基于自相似性与深度卷积神经网络的单幅图像超分辨重建 | 第31-40页 |
| 3.1 本文重建算法的整体架构 | 第31-33页 |
| 3.2 相似图像块的搜寻 | 第33-36页 |
| 3.3 利用空间变换层的细节融合 | 第36-38页 |
| 3.4 基于金字塔卷积神经网络的渐进式图像重建 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 与传统超分辨重建方法的对比与实验分析 | 第40-57页 |
| 4.1 图像自相似性模块的有效性分析 | 第40-44页 |
| 4.2 图像空间变换模块的有效性分析 | 第44-47页 |
| 4.3 图像金字塔网络模块的有效性分析 | 第47-49页 |
| 4.4 与现有算法的实验比较结果 | 第49-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文研究工作总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间负责项目情况 | 第63页 |
| 攻读硕士学位期间软件著作权情况 | 第63页 |
| 攻读硕士学位期间论文写作情况 | 第63-64页 |
| 致谢 | 第64-66页 |