基于多尺度残差密集网络和对抗学习的图像超分辨率重建方法研究

目录

声明

致谢

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 科学意义和应用前景

1.4 本文主要研究内容

1.5 章节结构

2 相关理论介绍

2.1 卷积神经网络

2.1.1 网络结构

2.1.2 学习范式

2.1.3 激活函数

2.2 图像超分辨率重建

2.2.1 基于插值的超分辨率重建

2.2.2 基于重建的超分辨率重建

2.2.3 基于学习的超分辨率重建

2.3 经典卷积神经网络模型

2.3.1 残差网络

2.3.2 密集连接网络

2.3.3 生成式对抗网络

2.4 重建图像质量评价

2.4.1 峰值信噪比

2.4.2 结构相似性

2.4.3 主观评价

3 多尺度残差密集网络的单图像超分辨率重建

3.1 引言

3.1.1 经典的基于卷积神经网络的图像超分辨率重建算法

3.1.2 现有问题分析

3.2 多尺度残差密集网络

3.2.1 多尺度残差密集块

3.2.2 全局特征融合和残差学习

3.2.3 多级图像处理模块

3.3.1 网络模型与算法设计

3.3.2 网络的优点与解决的问题

3.4 实验环境和实验结果

3.4.1 实验环境

3.4.2 数据集和评价标准

3.4.3 模型参数和训练方法

3.4.4 实验结果

3.5 本章小结

4 基于改进生成式对抗网络的单图像超分辨率重建

4.1 引言

4.1.1 经典基于生成式对抗网络的图像超分辨率重建算法

4.1.2 Wasserstain GAN

4.1.3 现有问题分析

4.2.1 网络模型与算法设计

4.2.2 网络的优点与解决的问题

4.3 实验环境和实验结果

4.3.1 实验环境

4.3.2 数据集和评价标准

4.3.3 模型参数和训练方法

4.3.4 实验结果

4.4 本章小结

5 遥感图像的超分辨率重建原型系统

5.1.1 遥感图像

5.1.2 背景

5.2 系统结构

5.3.1 系统界面

5.3.2 重建结果

5.4 本章小结

6 总结与展望

6.1 本文总结

6.2 未来展望

参考文献

作者简历