基于深度学习的压缩图像超分辨率方法研究

目录

声明

第1章绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容及结构安排

第2章压缩图像超分辨率技术

2.1 引言

2.2 图像降质的数学模型

2.3 SRCNN算法

2.4 ARCNN算法

2.5 基于级联网络的压缩图像超分辨率方法

2.6 图像质量评价标准

2.7 本章小结

第3章基于多尺度残差网络的压缩图像超分辨率方法

3.1 引言

3.2 亚像素卷积

3.3 网络结构

3.4 训练与测试

3.5 实验结果

3.5.1 与其他算法的对比实验

3.5.2 不同下采样方法的对比实验

3.5.3 不同损失函数下的对比实验

3.6 本章小结

第4章基于双分支残差稠密网络的压缩图像超分辨率方法

4.1 引言

4.2 双分支残差稠密网络

4.2.1 网络结构

4.2.2 残差稠密块

4.2.3 双分支结构

4.2.4 损失函数

4.3 训练与测试

4.4 实验结果

4.4.1 与其他算法的对比实验

4.4.2 网络深度对算法性能的影响

4.4.3 卷积核个数对算法性能的影响

4.4.4 稠密连接对算法性能的影响

4.5 本章小结

第5章基于双重注意力残差网络的压缩图像超分辨率方法

5.1 引言

5.2 双重注意力残差网络

5.2.1 网络结构

5.2.2 浅层特征提取模块

5.2.3 多尺度核注意力模块

5.2.4 双重注意力残差模块

5.2.5 损失函数

5.3 训练与测试

5.4 实验结果

5.4.1 与其他算法的对比实验

5.4.2 两种上采样方法的对比实验

5.4.3 不同注意力结构的对比试验

5.4.4 双重注意力残差模块的作用

5.4.5 去块损失的作用

5.5 本章小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致 谢