基于卷积神经网络的图像超分辨率算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 课题主要研究内容 | 第12页 |
| 1.4 论文各章节内容安排概述 | 第12-15页 |
| 第二章 超分辨率算法概述 | 第15-29页 |
| 2.1 超分辨率算法 | 第15-17页 |
| 2.1.1 图像退化模型 | 第15-16页 |
| 2.1.2 超分辨率重建模型 | 第16-17页 |
| 2.1.3 光流方法在超分辨率模型中的应用 | 第17页 |
| 2.2 图像超分辨率重建评价标准 | 第17-20页 |
| 2.2.1 PSNR定义与计算 | 第17-18页 |
| 2.2.2 PSNR和SSIM | 第18-20页 |
| 2.3 典型超分辨率重建方法 | 第20-27页 |
| 2.3.1 浅层网络结构重建方法 | 第20-23页 |
| 2.3.2 深层网络结构重建方法 | 第23-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 卷积神经网络概述 | 第29-41页 |
| 3.1 卷积神经网络 | 第29-35页 |
| 3.1.1 卷积神经网络的基本介绍 | 第29-30页 |
| 3.1.2 卷积神经网络的基本结构 | 第30-35页 |
| 3.2 基于卷积神经网络的图像超分辨率重建算法 | 第35-37页 |
| 3.3 超分辨率重建算法改进方法 | 第37-40页 |
| 3.3.1 改进算法结构 | 第37-38页 |
| 3.3.2 后处理过程 | 第38页 |
| 3.3.3 实验仿真 | 第38-39页 |
| 3.3.4 总结评价 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于SRCNN的图像重建 | 第41-57页 |
| 4.1 基于SRCNN的图像重建算法 | 第41-43页 |
| 4.1.1 SRCNN基本框架 | 第41-42页 |
| 4.1.2 网络结构 | 第42-43页 |
| 4.2 实验仿真 | 第43-49页 |
| 4.2.1 实验环境和参数设定 | 第43-44页 |
| 4.2.2 卷积神经网络的训练过程 | 第44-48页 |
| 4.2.3 卷积神经网络的反向传播过程 | 第48-49页 |
| 4.3 卷积神经网络的权值更新 | 第49-51页 |
| 4.4 实验结果对比及分析 | 第51-54页 |
| 4.5 本文超分辨率算法的优缺点分析 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
