基于多级连接注意力网络的单图像超分辨率重建

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于插值的单图像超分辨率算法

1.2.2 基于重建的单图像超分辨率算法

1.2.3 基于学习的单图像超分辨率算法

1.3 本文主要研究内容与结构安排

第2章 基于卷积神经网络的单图像超分辨率相关理论

2.1 神经网络概述

2.1.1 神经元

2.1.2 非线性激活函数

2.1.3 深度神经网络

2.1.4 反向传播算法

2.2 卷积神经网络

2.2.1 卷积核

2.2.2 特征图与通道

2.2.3 损失函数

2.3 超分辨率图像质量评价标准

2.4 本章小节

第3章 单图像超分辨率相关经典算法

3.1 残差网络

3.2 残差通道注意力网络

3.3 多窗口残差网络

3.4 本章小结

第4章 基于多级连接注意力网络的单图像超分辨率重建

4.1 引言

4.2 AIASR整体架构

4.3 多级连接注意力结构

4.3.1 深度注意力

4.3.2 窗口注意力

4.3.3 全局特征融合机制

4.4 超分辨率重建部分

4.5 本章小结

第5章 实验与分析

5.1 数据集

5.2 训练细节

5.3 多级连接注意力结构内部分析

5.3.1 深度注意力机制定量分析

5.3.2 窗口注意力机制定性分析

5.3.3 全局特征融合机制定性分析

5.4 与当前流行算法对比与分析

5.5 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

作者简介以及在学期间所获得的科研成果

致谢