| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 超分辨率算法的发展现状 | 第10-12页 |
| 1.3 基于卷积神经网络的超分辨率算法的发展现状 | 第12-13页 |
| 1.3.1 卷积神经网络的发展现状 | 第12-13页 |
| 1.3.2 基于卷积神经网络的图像超分辨率发展现状 | 第13页 |
| 1.4 课题主要工作 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第二章 基于卷积神经网络的超分辨率算法理论基础 | 第15-31页 |
| 2.1 卷积神经网络 | 第15-21页 |
| 2.1.1 人工神经网络 | 第15-17页 |
| 2.1.2 卷积神经网络结构与特性 | 第17-19页 |
| 2.1.3 卷积神经网络训练过程 | 第19-20页 |
| 2.1.4 卷积神经网络算法特点 | 第20-21页 |
| 2.2 图像超分辨率常用算法研究 | 第21-27页 |
| 2.2.1 单帧图像超分辨率算法 | 第21-25页 |
| 2.2.2 序列图像超分辨率算法 | 第25-27页 |
| 2.3 基于卷积神经网络的单帧图像超分辨率算法 | 第27-29页 |
| 2.3.1 算法概述 | 第27页 |
| 2.3.2 单帧图像超分辨率卷积神经网络算法 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于3D卷积核的序列图像超分辨率方法研究 | 第31-43页 |
| 3.1 序列图像超分辨率传统算法的不足 | 第31页 |
| 3.2 构建基于卷积神经网络的序列图像超分辨率算法可能性分析 | 第31-32页 |
| 3.3 序列图像超分辨率卷积神经网络的3D卷积核的构建方法研究 | 第32-34页 |
| 3.4 设计基于3D卷积核的序列图像SRCNN算法模型 | 第34-36页 |
| 3.5 基于3D卷积核的序列图像SRCNN算法的超分辨率步骤 | 第36-37页 |
| 3.6 基于3D卷积核的序列图像SRCNN算法的测试 | 第37-41页 |
| 3.6.1 算法训练 | 第37-38页 |
| 3.6.2 算法实验效果分析 | 第38-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 基于3D卷积核的序列图像超分辨率算法优化 | 第43-51页 |
| 4.1 基于3D卷积核的序列图像超分辨率算法的改进分析 | 第43页 |
| 4.2 基于字典学习的超分辨率算法研究 | 第43-45页 |
| 4.2.1 压缩感知与稀疏编码理论 | 第43-44页 |
| 4.2.2 基于字典学习的超分辨率算法 | 第44-45页 |
| 4.3 改进的基于3D卷积核的序列图像超分辨率算法 | 第45-47页 |
| 4.3.1 改进算法的理论模型 | 第45-46页 |
| 4.3.2 改进算法的超分辨率步骤 | 第46-47页 |
| 4.4 改进算法的实验效果 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 算法验证软件的实现与测试 | 第51-59页 |
| 5.1 系统设计与功能划分 | 第51-52页 |
| 5.2 超分辨率模块的实现 | 第52-55页 |
| 5.2.1 基于CUDA的深度学习库CUDNN | 第52-53页 |
| 5.2.2 超分辨率卷积神经网络的GPU实现 | 第53-54页 |
| 5.2.3 超分辨率模块的工作流程 | 第54-55页 |
| 5.3 系统测试 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 不足与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
