| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与研究意义 | 第14-16页 |
| 1.2 研究现状 | 第16-23页 |
| 1.2.1 古籍文献保护研究现状 | 第16-17页 |
| 1.2.2 图像残缺修补技术的研究现状 | 第17-18页 |
| 1.2.3 图像的超分辨率处理技术的研究现状 | 第18-19页 |
| 1.2.4 深度学习的研究现状 | 第19-21页 |
| 1.2.5 对抗生成网络的研究现状 | 第21-22页 |
| 1.2.6 研究现状小结 | 第22-23页 |
| 1.3 论文组织结构 | 第23-24页 |
| 第二章 古籍文献图像处理系统框架 | 第24-32页 |
| 2.1 问题描述 | 第24-26页 |
| 2.2 研究内容 | 第26-27页 |
| 2.2.1 古籍文献字符图像数据集构造 | 第26-27页 |
| 2.2.2 古籍文献字符图像修复处理方法 | 第27页 |
| 2.2.3 古籍文献字符图像清晰化处理方法 | 第27页 |
| 2.3 古籍文献图像修复原型系统结构 | 第27-31页 |
| 2.3.1 研究内容结构 | 第27-28页 |
| 2.3.2 系统应用设计框架 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 古籍文献字符图像修复研究与改进 | 第32-47页 |
| 3.1 对抗生成网络来源 | 第32-34页 |
| 3.1.1 对抗生成网络的起源与发展 | 第32-33页 |
| 3.1.2 对抗生成网络的原理 | 第33-34页 |
| 3.2 附加信息对抗生成网络的图像修复算法改进与研究 | 第34-38页 |
| 3.2.1 对抗生成网络生成图像的结构 | 第34-35页 |
| 3.2.2 改进的附加信息对抗生成网络算法 | 第35-37页 |
| 3.2.3 构造并改进优化局部图像的损失函数 | 第37-38页 |
| 3.3 实验与结果 | 第38-43页 |
| 3.3.1 建立附加信息对抗生成网络模型 | 第38-39页 |
| 3.3.2 神经网络超参数设计 | 第39页 |
| 3.3.3 输出图像样例 | 第39-40页 |
| 3.3.4 损失函数变化 | 第40-42页 |
| 3.3.5 算法迭代过程 | 第42-43页 |
| 3.4 实验分析 | 第43-45页 |
| 3.4.1 实验生成图像分析 | 第43-44页 |
| 3.4.2 人眼检测实验设计 | 第44-45页 |
| 3.4.3 标准数据集生成效果 | 第45页 |
| 3.4.4 对抗生成网络分析 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 对抗生成网络的古籍文献图像的超分辨率技术研究和改进 | 第47-58页 |
| 4.1 图像的超分辨率研究 | 第47-48页 |
| 4.2 拉普拉斯对抗生成网络超分辨率算法的改进 | 第48-52页 |
| 4.2.1 最小均方差方法的弊端 | 第48页 |
| 4.2.2 优化拉普拉斯对抗生成网络的超分辨率算法 | 第48-51页 |
| 4.2.3 改进全局损失函数减少图像噪点 | 第51-52页 |
| 4.3 实验与结果 | 第52-55页 |
| 4.3.1 拉普拉斯对抗生辰网络的网络配置 | 第52-53页 |
| 4.3.2 神经网络超参数配置 | 第53页 |
| 4.3.3 输出图像样例 | 第53-54页 |
| 4.3.4 算法迭代过程 | 第54-55页 |
| 4.4 生成图像内容分析 | 第55-57页 |
| 4.4.1 使用PSNR值分析图像数据 | 第55-56页 |
| 4.4.2 生成图像的降维分布 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 古籍文献图像修复原型系统 | 第58-62页 |
| 5.1 系统架构 | 第58-60页 |
| 5.2 系统部署 | 第60页 |
| 5.3 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
