摘要
1绪论
1.1研究背景
1.2国内外研究现状
1.2.1传统超分辨率重建技术
1.2.2深度学习图像超分辨率技术
1.3本文研究内容及章节安排
2相关理论与工作基础
2.1反向传播算法
2.2卷积神经网络CNN
2.2.1卷积与反卷积
2.2.2亚像素卷积
2.2.3激活函数
2.2.4优化器
2.3加深的卷积神经网络
2.3.1ResNet
2.3.2DenseNet
2.4GAN系列网络
2.4.1GAN的提出
2.4.2深度学习DCGAN
2.4.3超分辨率SRGAN
2.5RDN
2.6CapsuleNet
2.7小结
3胶囊生成对抗网络的遥感船舶超分辨率重建
3.1课题背景
3.2网络结构
3.2.1生成器网络
3.2.2判别器网络
3.3损失函数
3.3.1 D Loss
3.3.2G Loss
3.4实验结果与分析
3.4.1数据集与数据预处理
3.4.2实验设置与训练结果曲线
3.4.3实验结果对比和分析
3.4.4复杂海洋场景实验结果验证
3.4.5实验结果评价
3.4.6小结
4改进的双路由胶囊网络超分辨率重建
4.1课题背景
4.2相关工作
4.3CapSRGAN-D
4.3.1网络整体结构
4.3.2.生成器网络
4.3.3.改进的双路由胶囊网络判别器
4.4损失函数
4.4.2G Loss
4.5实验
4.5.1基于DIV2K数据集实验图像结果分析
4.5.2遥感图像数据集实验图像结果分析
4.5.3实验数据结果分析
4.5.4实验负样本分析
4.6双路由胶囊网络消融实验
4.7总结
5结论与展望
5.1结论
5.2展望
参考文献
致谢
声明
西安工业大学;