基于卷积神经网络的图像超分辨率重建
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 图像超分辨率重建研究现状 | 第11-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-16页 |
| 1.3 存在的问题及解决方法 | 第16-17页 |
| 1.4 本文的主要内容和组织结构 | 第17-18页 |
| 2.卷积神经网络技术 | 第18-33页 |
| 2.1 神经网络 | 第18-22页 |
| 2.1.1 感知机学习算法 | 第18-20页 |
| 2.1.2 反向传播神经网络 | 第20-22页 |
| 2.2 卷积神经网络 | 第22-30页 |
| 2.2.1 卷积层 | 第23-26页 |
| 2.2.2 池化层 | 第26-27页 |
| 2.2.3 全连接层 | 第27页 |
| 2.2.4 激活函数 | 第27-29页 |
| 2.2.5 损失函数 | 第29-30页 |
| 2.3 卷积神经网络软件平台 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3.基于全卷积网络的图像超分辨率重建算法 | 第33-44页 |
| 3.1 绪论 | 第33页 |
| 3.2 卷积神经网络与重建 | 第33-38页 |
| 3.2.1 图像的梯度与纹理 | 第34页 |
| 3.2.2 卷积神经网络前向传播 | 第34-37页 |
| 3.2.3 卷积神经网络后向传播 | 第37-38页 |
| 3.3 模型结构与参数设置 | 第38-39页 |
| 3.4 实验与分析 | 第39-43页 |
| 3.4.1 性能评估与分析标准 | 第39-40页 |
| 3.4.2 四层模型实验 | 第40-41页 |
| 3.4.3 卷积核参数调整 | 第41-42页 |
| 3.4.4 五层模型实验 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4.基于特征转移的单幅图像超分辨率重建 | 第44-55页 |
| 4.1 相关工作 | 第44-47页 |
| 4.1.1 基于卷积神经网络的超分辨率重建 | 第44-45页 |
| 4.1.2 学习与传递图像中层表示 | 第45-47页 |
| 4.2 重建模型 | 第47-50页 |
| 4.2.1 算法结构 | 第47-48页 |
| 4.2.2 待训练参数与损失函数 | 第48-50页 |
| 4.3 模型参数设置 | 第50页 |
| 4.4 实验结果与分析 | 第50-54页 |
| 4.4.1 训练数据 | 第50页 |
| 4.4.2 参数设置 | 第50-51页 |
| 4.4.3 实验结果 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5.总结与展望 | 第55-57页 |
| 5.1 本文的主要内容 | 第55-56页 |
| 5.2 未来研究的展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 个人简历、在学期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
