| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 研究动机 | 第14-15页 |
| 1.4 本文主要内容和章节安排 | 第15-17页 |
| 1.4.1 本文的主要内容和创新点 | 第15-16页 |
| 1.4.2 章节安排 | 第16-17页 |
| 第2章 理论基础 | 第17-26页 |
| 2.1 超分辨率重建 | 第17-20页 |
| 2.1.1 基于插值的超分辨率算法 | 第17-18页 |
| 2.1.2 基于重建的超分辨率算法 | 第18-19页 |
| 2.1.3 基于学习的超分辨率算法 | 第19-20页 |
| 2.2 迁移学习 | 第20-23页 |
| 2.2.1 迁移学习的研究问题 | 第21页 |
| 2.2.2 迁移学习的分类 | 第21-23页 |
| 2.2.3 迁移学习的应用 | 第23页 |
| 2.3 图像桶型畸变 | 第23-24页 |
| 2.4 图像的评价方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于迁移学习的超分辨率研究 | 第26-38页 |
| 3.1 算法设计 | 第26-29页 |
| 3.1.1 特征提取和表示 | 第26-27页 |
| 3.1.2 训练阶段 | 第27-29页 |
| 3.1.3 重构阶段 | 第29页 |
| 3.2 实验分析 | 第29-36页 |
| 3.2.1 实验设置 | 第29-30页 |
| 3.2.2 实验 1：迁移相似信息时结果的变化 | 第30-31页 |
| 3.2.3 实验 2：迁移纹理图片时结果的变化 | 第31-33页 |
| 3.2.4 实验 3：哪种信息是有用的 | 第33-35页 |
| 3.2.5 实验 4：迁移不同类别图片时结果的变化 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 桶型畸变图像的超分辨率研究 | 第38-50页 |
| 4.1 算法设计 | 第38-43页 |
| 4.1.1 预处理过程 | 第38-39页 |
| 4.1.2 构造字典重构图像 | 第39-41页 |
| 4.1.3 后处理过程二次重构 | 第41-43页 |
| 4.2 实验分析 | 第43-49页 |
| 4.2.1 实验设置 | 第43-44页 |
| 4.2.2 参数分析 | 第44-46页 |
| 4.2.3 实验结果 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 总结 | 第50-52页 |
| 参考 文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |