| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容概述 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 第二章 深度学习基础理论及图像SR重构相关算法 | 第14-26页 |
| 2.1 深度学习基础理论 | 第14-17页 |
| 2.1.1 人工神经网络理论 | 第14-15页 |
| 2.1.2 神经网络基础 | 第15-16页 |
| 2.1.3 BP反向传播网络 | 第16页 |
| 2.1.4 随机梯度下降法 | 第16页 |
| 2.1.5 卷积神经网络 | 第16-17页 |
| 2.1.6 TensorFlow简介 | 第17页 |
| 2.2 图像SR重构相关算法介绍 | 第17-24页 |
| 2.2.1 基于插值的图像超分辨率重构方法 | 第18-21页 |
| 2.2.2 基于学习的图像超分辨率重构方法 | 第21-23页 |
| 2.2.3 图像质量评价 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 结合深度网络的稀疏编码图像超分辨率重构方法研究 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 SdSR方法 | 第27-29页 |
| 3.2.1 网络结构 | 第27页 |
| 3.2.2 稀疏编码SR | 第27-28页 |
| 3.2.3 深度学习SR | 第28-29页 |
| 3.2.4 稀疏字典训练 | 第29页 |
| 3.2.5 深度网络训练 | 第29页 |
| 3.3 实验结果和分析 | 第29-39页 |
| 3.3.1 训练和测试数据集 | 第30页 |
| 3.3.2 在Set5数据集上实验结果 | 第30-32页 |
| 3.3.3 在BSD100数据集上实验结果 | 第32-35页 |
| 3.3.4 在Ur100数据集上实验结果 | 第35-37页 |
| 3.3.5 在ImageNet数据集上实验结果 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于超深的卷积神经网络的图像超分辨率重构研究 | 第40-61页 |
| 4.1 引言 | 第40-41页 |
| 4.2 提出的方法 | 第41-43页 |
| 4.2.1 网络结构 | 第41-42页 |
| 4.2.2 网络训练 | 第42-43页 |
| 4.3 实验结果和分析 | 第43-60页 |
| 4.3.1 训练和测试数据集 | 第43页 |
| 4.3.2 在Set5数据集上实验结果 | 第43-47页 |
| 4.3.3 在Set14数据集上实验结果 | 第47-51页 |
| 4.3.4 在BSD100数据集上实验结果 | 第51-55页 |
| 4.3.5 在Ur100数据集上实验结果 | 第55-59页 |
| 4.3.6 与SRGAN算法分析对比 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 基于集成思想的异构网络图像超分辨率重构研究 | 第61-68页 |
| 5.1 引言 | 第61页 |
| 5.2 提出的方法 | 第61-63页 |
| 5.2.1 网络结构 | 第61-62页 |
| 5.2.2 网络训练 | 第62-63页 |
| 5.3 实验结果和分析 | 第63-67页 |
| 5.3.1 训练和测试数据集 | 第63页 |
| 5.3.2 在Set5数据集上实验结果 | 第63-64页 |
| 5.3.3 在Set14数据集上实验结果 | 第64-66页 |
| 5.3.4 与基于集成思想的同构网络算法(ESCN)分析对比 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录：作者在硕士期间的研究成果 | 第76页 |
