| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 OPT系统简介 | 第17-19页 |
| 1.3 OPT超分辨率重建 | 第19-20页 |
| 1.4 本文主要工作及章节安排 | 第20-22页 |
| 第二章 超分辨率重建算法综述 | 第22-36页 |
| 2.1 超分辨率重建方法分类 | 第22-25页 |
| 2.1.1 基于重建的方法 | 第22-23页 |
| 2.1.2 基于学习的方法 | 第23-25页 |
| 2.2 基于深度学习的超分重建方法 | 第25-33页 |
| 2.2.1 深度学习简介 | 第25-26页 |
| 2.2.2 受限玻尔兹曼机超分重建方法 | 第26-29页 |
| 2.2.3 深度置信网络超分重建方法 | 第29-30页 |
| 2.2.4 自编码器超分重建方法 | 第30-33页 |
| 2.2.5 卷积神经网络超分重建方法 | 第33页 |
| 2.3 图像质量评价指标 | 第33-35页 |
| 2.3.1 峰值信噪比 | 第33-34页 |
| 2.3.2 结构相似度 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于仿真退化模型的超分重建 | 第36-78页 |
| 3.1 图像仿真退化模型 | 第36页 |
| 3.2 基于仿真退化的超分辨率重建数据准备 | 第36-42页 |
| 3.2.1 OPT图像的获取 | 第36-38页 |
| 3.2.2 构建OPT超分重建图像数据集 | 第38-42页 |
| 3.3 基于A+方法的超分重建实验 | 第42-52页 |
| 3.3.1 A+超分辨率重建方法 | 第42-44页 |
| 3.3.2 A+超分辨重建实验 | 第44-52页 |
| 3.4 基于深度学习的超分重建实验 | 第52-76页 |
| 3.4.1 基于SRCNN的超分重建实验 | 第52-59页 |
| 3.4.2 基于VDSR的超分重建实验 | 第59-64页 |
| 3.4.3 基于ESPCN的超分重建实验 | 第64-69页 |
| 3.4.4 基于FSRCNN的超分重建实验 | 第69-73页 |
| 3.4.5 四种深度学习超分重建结果比较 | 第73-76页 |
| 3.5 本章小结 | 第76-78页 |
| 第四章 OPT实际系统的超分重建 | 第78-94页 |
| 4.1 OPT成像真实退化及高低分辨率图像获取 | 第78-79页 |
| 4.1.1 OPT成像退化过程 | 第78-79页 |
| 4.1.2 OPT高低分辨率图像获取 | 第79页 |
| 4.2 OPT高低分辨率图像的配准 | 第79-86页 |
| 4.2.1 基于FFT模板匹配的OPT图像配准 | 第80-82页 |
| 4.2.2 基于改进SIFT特征点的OPT图像配准 | 第82-85页 |
| 4.2.3 构建OPT系统超分辨率重建数据集 | 第85-86页 |
| 4.3 基于深度学习方法的OPT超分重建 | 第86-93页 |
| 4.3.1 基于SRCNN的OPT系统超分重建实验 | 第86-87页 |
| 4.3.2 基于VDSR的OPT系统超分重建实验 | 第87-89页 |
| 4.3.3 基于ESPCN的OPT系统超分重建实验 | 第89-90页 |
| 4.3.4 基于FSRCNN的OPT系统超分重建实验 | 第90-91页 |
| 4.3.5 基于真实退化的超分重建结果总结 | 第91-93页 |
| 4.4 本章小结 | 第93-94页 |
| 第五章 总结与展望 | 第94-96页 |
| 5.1 总结 | 第94-95页 |
| 5.2 展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-102页 |
| 作者简介 | 第102-103页 |
