基于Siamese结构的深度学习图像超分辨率算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状与趋势 | 第10-11页 |
| 1.3 论文主要工作介绍 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 基础知识及相关技术综述 | 第14-22页 |
| 2.1 生物神经元与人工神经元 | 第14-17页 |
| 2.2 人工神经网络 | 第17-19页 |
| 2.2.1 前馈型神经网络 | 第17-19页 |
| 2.2.2 反馈型神经网络 | 第19页 |
| 2.2.3 自组织神经网络 | 第19页 |
| 2.3 本章小结 | 第19-22页 |
| 第三章 多尺度自相似图像的单帧图像超分辨率 | 第22-28页 |
| 3.1 图像的稀疏表示 | 第22页 |
| 3.2 相同尺度与不同尺度自相似图像 | 第22-23页 |
| 3.3 自相似图像块的附加信息 | 第23-24页 |
| 3.4 人工滤波器的设计及应用 | 第24-25页 |
| 3.5 实验结果 | 第25-26页 |
| 3.6 本章小结 | 第26-28页 |
| 第四章 基于SRCNN的深度学习网络 | 第28-36页 |
| 4.1 数据处理 | 第28-29页 |
| 4.2 SRCNN网络结构 | 第29-30页 |
| 4.3 multi-SRCNN网络结构设计 | 第30-31页 |
| 4.4 实验结果 | 第31-33页 |
| 4.5 本章小结 | 第33-36页 |
| 第五章 基于Siamese结构的深度学习网络 | 第36-48页 |
| 5.1 Siamese结构基本原理 | 第36-38页 |
| 5.2 数据处理 | 第38页 |
| 5.3 算法步骤 | 第38-42页 |
| 5.3.1 SR-net搭建 | 第38页 |
| 5.3.2 LR图像裁剪 | 第38-39页 |
| 5.3.3 图像配对 | 第39页 |
| 5.3.4 网络搭建 | 第39-41页 |
| 5.3.5 参数设置 | 第41页 |
| 5.3.6 网络训练 | 第41-42页 |
| 5.4 实验结果 | 第42-45页 |
| 5.5 本章小结 | 第45-48页 |
| 第六章 单帧图像生成对抗网络的探索 | 第48-58页 |
| 6.1 生成判别模型 | 第48-49页 |
| 6.1.1 判别模型 | 第48页 |
| 6.1.2 生成模型 | 第48-49页 |
| 6.2 模型的参数估计 | 第49-50页 |
| 6.3 生成对抗网络 | 第50-54页 |
| 6.4 实验结果 | 第54-57页 |
| 6.5 本章小结 | 第57-58页 |
| 第七章 结束语 | 第58-60页 |
| 7.1 论文工作总结 | 第58页 |
| 7.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间发表的学术论文目录 | 第66页 |
