基于卷积神经网络的图像超分辨率重建研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 图像超分辨率重建研究现状

1.2.2 卷积神经网络研究现状

1.3 论文的主要内容和结构安排

2 图像超分辨率重建研究

2.1 基于插值的图像超分辨率

2.1.1 传统插值法

2.1.2 边缘插值法

2.1.3 小波变换法

2.2 基于重建的图像超分辨率

2.2.1 迭代反投影法

2.2.2 凸集投影法

2.2.3 最大后验概率估计法

2.3 基于学习的图像超分辨率

2.3.1 邻域嵌入法

2.3.2 稀疏编码法

2.3.3 支持向量机法

2.3.4 锚定邻域回归法

2.4 图像质量评价标准

2.4.1 主观评价

2.4.2 客观评价

2.5本章小结

3 卷积神经网络研究

3.1 卷积神经网络

3.1.1 核心思想

3.1.2 网络基本结构

3.1.3 反向传播算法

3.2 网络参数

3.2.1 激活函数

3.2.2 损失函数

3.3 网络软件平台

3.3.1 Hadoop平台

3.3.2 TensorFlow平台

3.3.3 caffe平台

3.4 本章小结

4 改进深度卷积神经网络的图像超分辨率重建研究

4.1 基于卷积神经网络的超分辨率重建算法

4.1.1 特征提取层

4.1.2 非线性映射层

4.1.3 图像重建层

4.1.4 网络训练

4.2 改进深度卷积神经网络的图像超分辨率重建算法

4.2.1 随机纠正线性单元(RReLU)

4.2.2 深度映射与残差学习

4.2.3 IDCNN整体结构

4.3 实验结果及分析

4.3.1 残差网络实验

4.3.2 激活函数对比实验

4.3.3 重建结果客观对比实验

4.3.4 重建结果主观对比实验

4.4 本章小结

结论

致谢

参 考 文 献

攻读学位期间的研究成果