声明
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 基于插值的方法
1.2.2 基于重建的方法
1.2.3 基于学习的方法
1.3研究内容及结构安排
1.3.1 研究内容
1.3.2 结构安排
2 图像超分辨率相关技术
2.1 超分辨率定义
2.1.1 超分辨率问题定义
2.1.2 退化过程
2.2 基于深度学习的图像超分辨率
2.2.1 基于有监督的图像超分辨率
2.2.2 基于无监督的图像超分辨率
2.3 损失函数
2.3.1 像素损失
2.3.2 内容损失
2.3.3 纹理损失
2.3.4 对抗损失
2.4 重建结果评价标准
2.4.1 峰值信噪比
2.4.2 结构相似性
2.4.3 平均意见得分
2.4.4 基于学习的感知质量
2.4.5 基于任务的评价
2.5 本章小结
3 基于知识蒸馏的无监督图像超分辨率重建
3.1 引言
3.2 相关工作
3.2.1 零样本超分辨率网络
3.2.2 知识蒸馏网络
3.3 构建基于知识蒸馏的无监督图像超分辨率网络
3.3.1 网络结构
3.3.2 退化模型
3.3.3 重构模型
3.4 本章小结
4 实验结果与分析
4.1实验细节
4.1.1实验设置
4.1.2数据集
4.2合成图像的测试
4.2.1理想退化设置
4.2.2随机高斯退化设置
4.3 真实图像的测试
4.3.1 旧照片的超分辨率
4.3.2 低照度图像的超分辨率
4.3.3 低质量网页图像的超分辨率
4.4 消融实验
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间取得的研究成果
西安理工大学;