声明
第一章 绪 论
1.1 研究工作的背景及意义
1.2国内外发展及现状
1.2.1 图像生成
1.2.2 图像去模糊
1.2.3 图像超分辨率
1.3本论文的结构安排
第二章 相关理论分析及总体设计
2.1卷积神经网络
2.1.1卷积神经网络的基本结构
2.1.2卷积神经网络的发展历程
2.2生成对抗网络
2.2.1生成网络和判别网络
2.2.2损失函数
2.2.3对抗训练策略
2.3总体设计
2.4本章小结
第三章 基于生成对抗网络的图像生成应用研究
3.1本章设计背景与分析
3.1.1边界均衡生成对抗网络分析
3.1.2变分自编码器分析
3.2联合边界均衡生成对抗网络
3.2.1基于隐变量空间和图像空间的正则化项
3.2.2新的训练策略
3.2.3损失函数设计
3.3.1数据集及预处理方式
3.3.2相关参数设置
3.3.3实验分析
3.4本章小结
第四章 基于生成对抗网络的图像去模糊应用研究
4.1.1 U-net模型分析
4.1.2 pix2pix模型分析
4.2.1标准化方法及改进
4.2.2对抗损失改进
4.2.3评价指标及改进方法
4.3 实验仿真
4.3.1 数据集以及预处理方式
4.3.2 相关参数设置
4.3.3 实验分析
4.4本章小结
第五章 基于生成对抗网络的图像超分辨率应用研究
5.1.1通道注意力机制
5.1.2 RRDB模块分析
5.2.1金字塔结构
5.2.2 残差结构解析
5.3 基于金字塔结构和通道注意力的自适应RRDB网络
5.4 实验仿真及分析
5.4.1批标准化对图像超分辨率的影响
5.4.2各个模型的超分辨率效果对比分析
5.4.3各个模型的客观评价指标和参数量对比分析
5.5本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
附录
攻读硕士学位期间取得的成果
电子科技大学;