首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于聚类驱动卷积神经网络的图像超分辨率重建

摘要第4-6页
abstract第6-7页
第1章 前言第10-15页
    1.1 论文的背景及研究意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 论文的主要内容和结构安排第13-15页
第2章 基于卷积神经网络与简单函数的图像超分辨率重建第15-22页
    2.1 基于卷积神经网络的图像超分辨率重建第15-18页
        2.1.1 图像块提取与表示第16页
        2.1.2 图像特征的非线性映射第16-17页
        2.1.3 图像超分辨率重建第17页
        2.1.4 卷积神经网络的训练第17-18页
    2.2 基于简单函数的图像超分辨率重建第18-20页
        2.2.1 图像特征子空间的生成第19页
        2.2.2 图像先验学习第19-20页
        2.2.3 高分辨率图像生成第20页
    2.3 本章小结第20-22页
第3章 基于空间域聚类驱动卷积神经网络的图像超分辨率重建第22-34页
    3.1 训练数据集构建第23-24页
    3.2 图像块聚类第24-25页
    3.3 卷积神经网络训练第25-27页
    3.4 图像超分辨率重建第27-28页
    3.5 实验结果比较及分析第28-30页
        3.5.1 实验设置第28-29页
        3.5.2 系统化实验分析第29-30页
        3.5.3 实验结果比较第30页
    3.6 本章小结第30-34页
第4章 基于频域聚类驱动卷积神经网络的图像超分辨率重建第34-45页
    4.1 离散小波变换第34-37页
        4.1.1 一维离散小波变换第35-36页
        4.1.2 二维离散小波变换第36-37页
    4.2 基于频域聚类驱动卷积神经网络的图像超分辨率重建第37-42页
        4.2.1 训练数据构建第38页
        4.2.2 卷积神经网络训练第38-39页
        4.2.3 图像超分辨率重建第39页
        4.2.4 实验设置第39-41页
        4.2.5 实验结果比较及分析第41-42页
    4.3 本章小结第42-45页
总结与展望第45-47页
参考文献第47-51页
攻读硕士学位期间取得的学术成果第51-52页
致谢第52页

论文共52页,点击 下载论文
上一篇:随钻电磁波测井群智能反演算法研究
下一篇:海洋起重机运动补偿绞车控制系统设计与性能分析