| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 图像超分辨率重建的研究背景及意义 | 第14-15页 |
| 1.2 图像超分辨率重建研究现状 | 第15-19页 |
| 1.2.1 超分辨率重建问题描述 | 第15-16页 |
| 1.2.2 图像超分辨率重建算法概述 | 第16-18页 |
| 1.2.3 重建图像质量评价指标 | 第18-19页 |
| 1.3 论文的主要工作和章节安排 | 第19-22页 |
| 第二章 基于感知哈希的邻域嵌入单帧图像超分辨重建算法 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 感知哈希与近邻选择 | 第22-24页 |
| 2.2.1 感知哈希 | 第22-23页 |
| 2.2.2 k/K最近邻选择算法 | 第23-24页 |
| 2.3 基于感知哈希的邻域嵌入单帧图像超分辨率重建算法 | 第24-27页 |
| 2.3.1 创建数据集 | 第24-25页 |
| 2.3.2 最小化重构误差 | 第25-26页 |
| 2.3.3 图像超分辨率重建 | 第26-27页 |
| 2.4 实验结果及分析 | 第27-32页 |
| 2.4.1 实验设置 | 第27-29页 |
| 2.4.2 实验结果 | 第29-32页 |
| 2.4.3 块大小对比实验 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于跳连接的深度学习单帧图像超分辨率重建算法 | 第34-46页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-38页 |
| 3.3 基于跳连接的深度学习单帧图像超分辨率重建算法 | 第38-40页 |
| 3.3.1 网络结构 | 第38-39页 |
| 3.3.2 损失函数和优化器 | 第39-40页 |
| 3.4 实验结果及分析 | 第40-45页 |
| 3.4.1 实验设置 | 第40页 |
| 3.4.2 实验结果 | 第40-43页 |
| 3.4.3 网络模型对比实验 | 第43页 |
| 3.4.4 损失函数对比实验 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 图像超分辨率重建在消费电子产品中的应用 | 第46-62页 |
| 4.1 引言 | 第46-47页 |
| 4.2 图像超分辨率重建在消费电子产品中应用概述 | 第47-51页 |
| 4.2.1 图像超分辨率重建在高清电视上的应用 | 第47-49页 |
| 4.2.2 图像超分辨率重建在智能手机上的应用 | 第49-50页 |
| 4.2.3 主观图像质量评价方法 | 第50-51页 |
| 4.3 基于深度学习超分辨率重建在高清电视机上的实验结果及分析 | 第51-53页 |
| 4.3.1 构建测试数据集 | 第51页 |
| 4.3.2 实验结果及分析 | 第51-53页 |
| 4.4 基于深度学习超分辨率重建在智能手机上的实验结果及分析 | 第53-57页 |
| 4.4.1 手机拍照图像局部重建 | 第54-55页 |
| 4.4.2 手机拍照图像全局重建 | 第55-57页 |
| 4.5 基于FPGA的卷积神经网络 | 第57-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
