基于识别的图像超分辨率技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景与意义 | 第8页 |
| ·超分辨率技术国内外发展历程和研究现状 | 第8-9页 |
| ·本文研究的内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 第二章 图像超分辨率技术基本方法 | 第11-22页 |
| ·技术基础 | 第11-12页 |
| ·基于重建的图像超分辨率技术介绍 | 第11页 |
| ·基于识别的图像超分辨率技术介绍 | 第11-12页 |
| ·基于重建的图像超分辨率约束条件 | 第12-21页 |
| ·点扩散函数建模 | 第13-14页 |
| ·基于重建的超分辨率本质 | 第14-15页 |
| ·建立基于重建的超分辨率约束条件 | 第15-16页 |
| ·关于正方形点扩散函数的重建方程可逆性分析 | 第16-18页 |
| ·关于任意点扩散函数的重建方程条件数分析 | 第18-19页 |
| ·关于任意点扩散函数的重建方程解的任意性分析 | 第19-21页 |
| ·小结 | 第21-22页 |
| 第三章 基于识别的有限循环神经网络算法 | 第22-43页 |
| ·技术基础 | 第22-31页 |
| ·人工神经网络的基础介绍 | 第22-27页 |
| ·多层前馈网络的计算能力 | 第27-28页 |
| ·Hopfield反馈网络的基础知识 | 第28-31页 |
| ·LRNN算法设计与实现 | 第31-35页 |
| ·LRNN的结构设计 | 第31-32页 |
| ·LRNN的比较子网络 | 第32-33页 |
| ·LRNN的初步分辨率增强子网络 | 第33-34页 |
| ·LRNN的约束子网络 | 第34-35页 |
| ·LRNN的输出子网络 | 第35页 |
| ·LRNN的反向传播学习过程 | 第35-39页 |
| ·反向传播算法的基础概念 | 第36页 |
| ·LRNN采用改进反向传播算法的训练过程 | 第36-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于识别的单向多样学习算法 | 第43-53页 |
| ·训练集生成 | 第43-44页 |
| ·算法设计与实现 | 第44-49页 |
| ·数据分块和正则化处理 | 第45页 |
| ·预测原则 | 第45-46页 |
| ·搜索向量的设计 | 第46-48页 |
| ·搜索算法 | 第48页 |
| ·OPML算法的实现过程 | 第48-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-54页 |
| ·论文工作总结 | 第53页 |
| ·研究工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第57-58页 |
| 致谢 | 第58页 |
