| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 图像模式分析及提取相关技术研究 | 第11-15页 |
| 1.2.1 传统的图像模式分析及提取 | 第12-13页 |
| 1.2.2 基于特征学习的图像模式学习及提取 | 第13-15页 |
| 1.3 反卷积网络国内外研究历史及现状 | 第15-16页 |
| 1.4 本文的主要工作及章节结构 | 第16-18页 |
| 1.4.1 本文主要工作 | 第16-17页 |
| 1.4.2 本文的章节结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 反卷积网络架构及应用 | 第19-26页 |
| 2.1 反卷积网络基础架构 | 第19-22页 |
| 2.1.1 无监督反卷积网络基础架构 | 第19-21页 |
| 2.1.2 有监督的反卷积网络基础架构 | 第21-22页 |
| 2.2 基于反卷积网络的图像分析 | 第22-25页 |
| 2.2.1 基于反卷积网络的图像去噪 | 第22-23页 |
| 2.2.2 基于反卷积网络的语义分割 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于反卷积网络的图像模式学习 | 第26-43页 |
| 3.1 引言 | 第26页 |
| 3.2 基于反卷积的多尺度图像模式学习 | 第26-31页 |
| 3.3 空间关系特征约束条件下的图像模式学习 | 第31-42页 |
| 3.3.1 像素级显著性区域轮廓提取及分割 | 第32-37页 |
| 3.3.2 显著性区域的图像模式学习 | 第37-41页 |
| 3.3.3 空间相对关系特征突出的图像模式学习 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于本文图像模式学习的应用 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 纹理合成 | 第43-48页 |
| 4.2.1 纹理合成相关技术 | 第44-45页 |
| 4.2.2 实验对比及分析 | 第45-48页 |
| 4.3 图像风格转化 | 第48-55页 |
| 4.3.1 图像风格转化相关技术 | 第48-49页 |
| 4.3.2 图像艺术风格转化 | 第49-50页 |
| 4.3.3 实验对比及分析 | 第50-52页 |
| 4.3.4 基于空间关系特征约束条件下的图像风格转化 | 第52-53页 |
| 4.3.5 实验结果分析 | 第53-55页 |
| 4.4 小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |