| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像超分辨率的国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容及论文结构 | 第14-16页 |
| 第二章 图像超分辨率重建技术 | 第16-26页 |
| 2.1 低分辨率图像的成像原理 | 第16-17页 |
| 2.2 图像超分辨率重建算法分类 | 第17-22页 |
| 2.2.1 基于插值的超分辨率技术 | 第17-19页 |
| 2.2.2 基于建模的超分辨率技术 | 第19-20页 |
| 2.2.3 基于学习的超分辨率技术 | 第20-22页 |
| 2.3 重建图像的结果评判标准 | 第22-26页 |
| 2.3.1 结构相似性 | 第22-23页 |
| 2.3.2 峰值信噪比 | 第23页 |
| 2.3.3 主观评价 | 第23-26页 |
| 第三章 基于多尺度卷积神经网络的图像超分辨率重建技术 | 第26-52页 |
| 3.1 卷积神经网络 | 第26-38页 |
| 3.1.1 卷积运算 | 第26-27页 |
| 3.1.2 卷积层 | 第27-29页 |
| 3.1.3 池化层 | 第29-30页 |
| 3.1.4 全连接层 | 第30页 |
| 3.1.5 网络结构 | 第30-31页 |
| 3.1.6 前向传播算法 | 第31页 |
| 3.1.7 反向传播算法 | 第31-32页 |
| 3.1.8 激活函数 | 第32-36页 |
| 3.1.9 损失函数 | 第36-38页 |
| 3.2 基于多尺度卷积神经网络的图像超分辨率重建技术 | 第38-50页 |
| 3.2.1 基本原理 | 第39-44页 |
| 3.2.2 网络训练和损失函数 | 第44-45页 |
| 3.2.3 实验及结果分析 | 第45-50页 |
| 3.3 本章小结 | 第50-52页 |
| 第四章 基于条件生成对抗网络的超分辨率重建技术 | 第52-72页 |
| 4.1 生成对抗网络及其衍生模型 | 第52-58页 |
| 4.1.1 生成对抗网络 | 第52-56页 |
| 4.1.2 WassersteinGAN | 第56-57页 |
| 4.1.3 条件生成对抗网络 | 第57-58页 |
| 4.2 基于条件生成对抗网络的图像超分辨率重建技术 | 第58-70页 |
| 4.2.1 模型框架 | 第58-62页 |
| 4.2.2 网络训练和损失函数 | 第62-64页 |
| 4.2.3 实验及结果分析 | 第64-70页 |
| 4.3 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 本文主要内容 | 第72-73页 |
| 5.2 未来研究的展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |
