基于卷积神经网络的图像超分辨率重建及其视觉改进
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容和结构安排 | 第12-13页 |
| 第二章 超分辨率重建技术 | 第13-24页 |
| 2.1 超分辨率重建概述 | 第13-14页 |
| 2.1.1 超分辨率问题的成像原理 | 第13页 |
| 2.1.2 超分辨率问题的数学本质 | 第13-14页 |
| 2.2 基于插值的超分辨率技术 | 第14-16页 |
| 2.2.1 最邻近插值 | 第14-15页 |
| 2.2.2 双线性插值 | 第15-16页 |
| 2.2.3 双三次插值 | 第16页 |
| 2.3 基于重建的超分辨率技术 | 第16-18页 |
| 2.3.1 凸集投影法 | 第17页 |
| 2.3.2 迭代反投影法 | 第17页 |
| 2.3.3 最大后验概率估计法 | 第17-18页 |
| 2.4 基于实例的超分辨率技术 | 第18-23页 |
| 2.4.1 基于邻域嵌入的超分辨率技术 | 第18-20页 |
| 2.4.2 基于稀疏编码的超分辨率技术 | 第20-22页 |
| 2.4.3 基于锚定邻域回归的超分辨率技术 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 图像质量评估 | 第24-36页 |
| 3.1 全参考图像质量评估 | 第24-28页 |
| 3.1.1 峰值信噪比 | 第24-25页 |
| 3.1.2 结构相似度 | 第25-26页 |
| 3.1.3 特征相似度 | 第26-28页 |
| 3.2 常用图像评估方式中存在的问题 | 第28-30页 |
| 3.3 无参考图像评估 | 第30-35页 |
| 3.3.1 BIQI算法 | 第30-31页 |
| 3.3.2 NIQE算法 | 第31-33页 |
| 3.3.3 SSEQ算法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于卷积神经网络的超分辨率重建技术 | 第36-58页 |
| 4.1 卷积神经网络 | 第36-42页 |
| 4.1.1 核心思想 | 第36-37页 |
| 4.1.2 网络结构 | 第37-38页 |
| 4.1.3 反向传播算法 | 第38-42页 |
| 4.2 基于卷积神经网络的超分辨率技术 | 第42-47页 |
| 4.2.1 网络结构 | 第42-46页 |
| 4.2.2 训练 | 第46-47页 |
| 4.3 实验与结果分析 | 第47-56页 |
| 4.3.1 参数选择 | 第47-51页 |
| 4.3.2 方法评估 | 第51-56页 |
| 4.3.3 噪声影响 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 非锐化掩膜技术 | 第58-66页 |
| 5.1 非锐化掩膜技术简述 | 第58页 |
| 5.2 非锐化掩膜技术 | 第58-60页 |
| 5.2.1 线性非锐化掩膜技术 | 第58-59页 |
| 5.2.2 非线性非锐化掩膜技术 | 第59-60页 |
| 5.3 实验与结论 | 第60-65页 |
| 5.3.1 线性非锐化掩膜法的实验结果 | 第60-62页 |
| 5.3.2 非线性非锐化掩膜法的实验结果 | 第62-64页 |
| 5.3.3 实验结论 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
