| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 图像去噪和超分辨率重建的国内外研究现状 | 第12-22页 |
| 1.2.1 图像去噪的研究现状 | 第12-16页 |
| 1.2.2 超分辨率重建的研究现状 | 第16-22页 |
| 1.3 论文研究目标与内容 | 第22-23页 |
| 1.4 论文结构 | 第23-25页 |
| 第二章 基于Resnet和Inception的图像去噪算法 | 第25-35页 |
| 2.1 Resnet和Inception结构描述 | 第25-28页 |
| 2.1.1 Resnet网络结构描述 | 第25-26页 |
| 2.1.2 Inception结构描述 | 第26-28页 |
| 2.2 图像去噪算法描述 | 第28-34页 |
| 2.2.1 几种常见噪声 | 第28-31页 |
| 2.2.2 基于Resnet的去噪算法 | 第31-32页 |
| 2.2.3 基于Resnet和Inception结构的去噪算法 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于亚像素卷积神经网络的超分辨率重建算法 | 第35-41页 |
| 3.1 传统的基于卷积神经网络算法 | 第35-38页 |
| 3.2 基于亚像素的卷积神经网络图像超分辨率重建 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 基于生成对抗网络的协同图像去噪和超分辨率算法 | 第41-67页 |
| 4.1 生成对抗网络 | 第41-42页 |
| 4.2 DSGAN模型 | 第42-45页 |
| 4.3 损失函数 | 第45-46页 |
| 4.4 实验 | 第46-65页 |
| 4.4.1 硬件配置 | 第46页 |
| 4.4.2 模型训练 | 第46-47页 |
| 4.4.3 实验参数分析 | 第47-48页 |
| 4.4.4 基本评价方法 | 第48-49页 |
| 4.4.5 单种类噪声去除实验 | 第49-56页 |
| 4.4.6 混合噪声的去噪实验 | 第56-61页 |
| 4.4.7 超分辨率重建实验 | 第61-63页 |
| 4.4.8 泛化性实验结果 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-71页 |
| 5.1 本文总结 | 第67-69页 |
| 5.2 本文主要贡献 | 第69页 |
| 5.3 未来的工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录A 攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 致谢 | 第79页 |
