| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 图像超分辨率算法的研究现状 | 第10-12页 |
| 1.2.1 基于插值的超分辨率算法 | 第10页 |
| 1.2.2 基于重建的超分辨率算法 | 第10-11页 |
| 1.2.3 基于学习的超分辨率算法 | 第11-12页 |
| 1.3 课题目标与研究内容 | 第12-14页 |
| 第二章 基于卷积神经网络的超分辨率算法理论基础 | 第14-23页 |
| 2.1 人工神经网络概述 | 第14-17页 |
| 2.1.1 人工神经网络的发展历程 | 第14页 |
| 2.1.2 人工神经网络组织结构 | 第14-15页 |
| 2.1.3 人工神经网络的训练 | 第15-16页 |
| 2.1.4 BP算法 | 第16-17页 |
| 2.2 模拟视觉的神经网络-卷积神经网络 | 第17-20页 |
| 2.2.1 卷积神经网络概述 | 第17页 |
| 2.2.2 卷积神经网络的结构 | 第17-18页 |
| 2.2.3 卷积神经网络的权值共享特性 | 第18-19页 |
| 2.2.4 卷积神经网络的前馈操作 | 第19-20页 |
| 2.3 基于卷积神经网络的超分辨率算法 | 第20-23页 |
| 2.3.1 基于卷积神经网络的超分辨率算法概述 | 第20页 |
| 2.3.2 超分辨率卷积神经网络算法 | 第20-23页 |
| 第三章 改进的超分辨率卷积神经网络算法 | 第23-35页 |
| 3.1 改进的超分辨率卷积神经网络算法 | 第23页 |
| 3.2 压缩感知理论及基于字典的超分辨率算法 | 第23-25页 |
| 3.2.1 稀疏编码与压缩感知理论 | 第23-24页 |
| 3.2.2 基于字典的超分辨率方法 | 第24-25页 |
| 3.3 改进的超分辨率卷积神经网络 | 第25-30页 |
| 3.3.1 改进算法的超分辨率步骤 | 第26-28页 |
| 3.3.2 改进算法的实验效果 | 第28-30页 |
| 3.4 超分辨率卷积神经网络在深度网络下的优化 | 第30-35页 |
| 3.4.1 深度超分辨率卷积神经网络的构造 | 第31-32页 |
| 3.4.2 深度超分辨率卷积神经网络的重建效果 | 第32-34页 |
| 3.4.3 深度超分辨率卷积神经网络的弊端 | 第34-35页 |
| 第四章 超分辨率卷积神经网络在GPU上的实现 | 第35-45页 |
| 4.1 GPU通用并行计算平台CUDA | 第35-37页 |
| 4.1.1 通用GPU计算技术的发展 | 第35-37页 |
| 4.1.2 统一计算设备架构CUDA | 第37页 |
| 4.2 基于CUDA的深度学习库CUDNN | 第37-38页 |
| 4.2.1 CUDNN开发库简介 | 第37-38页 |
| 4.3 超分辨率卷积神经网络的GPU实现 | 第38-43页 |
| 4.3.1 超分辨率卷积神经网络GPU加速框架 | 第38-39页 |
| 4.3.2 超分辨率卷积神经网络的初始化与生成 | 第39-43页 |
| 4.4 GPU对超分辨率卷积神经网络的加速效果 | 第43-45页 |
| 第五章 视频压缩仿真及增强处理系统的设计与实现 | 第45-54页 |
| 5.1 视频压缩仿真及增强处理系统简介 | 第45页 |
| 5.2 视频压缩仿真及增强处理系统的构成与具体实现 | 第45-52页 |
| 5.2.1 视频压缩仿真及增强处理系统的系统组成 | 第45-46页 |
| 5.2.2 视频压缩服务端的实现 | 第46-49页 |
| 5.2.3 视频接收处理端的实现 | 第49-52页 |
| 5.3 视频实时超分辨率的效果与性能 | 第52-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 不足与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文 | 第61页 |