| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 深度学习在图像方面的现状 | 第12-13页 |
| 1.3.2 深度学习在视频方面的现状 | 第13-14页 |
| 1.4 文章结构安排与主要研究方向 | 第14-16页 |
| 1.4.1 文章结构安排 | 第14页 |
| 1.4.2 主要研究方向 | 第14-16页 |
| 第2章 基于区域深度卷积神经网络的人脸超分辨率算法 | 第16-34页 |
| 2.1 图像超分辨率 | 第16-17页 |
| 2.2 卷积神经网络 | 第17-19页 |
| 2.2.1 输入层 | 第18页 |
| 2.2.2 卷积层 | 第18页 |
| 2.2.3 下采样层 | 第18-19页 |
| 2.2.4 输出层 | 第19页 |
| 2.3 并行网络 | 第19-20页 |
| 2.4 异构网络的优化设计 | 第20-21页 |
| 2.5 网络结构 | 第21-24页 |
| 2.5.1 感兴趣区域提取层 | 第21-22页 |
| 2.5.2 块提取层 | 第22-23页 |
| 2.5.3 非线性映射层 | 第23页 |
| 2.5.4 图像重建层 | 第23-24页 |
| 2.5.5 图像拼接 | 第24页 |
| 2.6 训练网络 | 第24-25页 |
| 2.7 测试 | 第25页 |
| 2.8 人脸超分辨率算法流程 | 第25-26页 |
| 2.9 实验结果 | 第26-31页 |
| 2.9.1 实验数据和参数设置 | 第26页 |
| 2.9.2 训练迭代次数的影响 | 第26-28页 |
| 2.9.3 网络结构和参数设置 | 第28-29页 |
| 2.9.4 人脸区域数量的影响 | 第29-30页 |
| 2.9.5 对比算法 | 第30-31页 |
| 2.10 本章小结 | 第31-34页 |
| 第3章 基于内容聚类的深度卷积神经网络的视频超分辨率算法 | 第34-44页 |
| 3.1 视频超分辨率 | 第34-35页 |
| 3.2 内容聚类 | 第35-36页 |
| 3.3 预训练 | 第36页 |
| 3.4 运动补偿 | 第36-37页 |
| 3.5 网络结构 | 第37-40页 |
| 3.5.1 感兴趣内容聚类 | 第38页 |
| 3.5.2 内容块的提取层 | 第38-39页 |
| 3.5.3 特征压缩层 | 第39页 |
| 3.5.4 内容重建层 | 第39-40页 |
| 3.5.5 内容拼接层 | 第40页 |
| 3.6 测试 | 第40页 |
| 3.7 实验结果与分析 | 第40-43页 |
| 3.7.1 实验数据和参数设置 | 第40-41页 |
| 3.7.2 视频超分辨率模型参数 | 第41页 |
| 3.7.3 训练过程 | 第41-42页 |
| 3.7.4 对比算法 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第4章 视频超分辨率原型系统的应用 | 第44-52页 |
| 4.1 硬件和开发工具环境 | 第44-45页 |
| 4.2 原型系统的框架结构 | 第45-46页 |
| 4.3 超分辨率算法实现概况 | 第46-48页 |
| 4.3.1 视频数据的预处理 | 第46-47页 |
| 4.3.2 模型训练 | 第47页 |
| 4.3.3 视频超分辨率 | 第47-48页 |
| 4.4 视频超分辨率原型系统界面 | 第48-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士期间已发表的论文 | 第60-62页 |
| 致谢 | 第62页 |