声明
致谢
摘要
1绪论
1．1图像超分辨率重建及其应用领域
1．2图像超分辨率重建及其发展现状
1．2．1 基于插值的图像超分辨率重建方法
1．2．2 基于模型约束的图像超分辨率重建方法
1．2．3 基于学习的图像超分辨率重建方法
1．3本文的研究内容与主要贡献
1．3．1 残差网络的结构优化
1．3．2 多个超分辨率重建网络的协同优化
1．4本文的结构安排
2基于深度学习的图像超分辨率重建
2．1深度学习与图像超分辨率重建
2．1．1 更深的残差网络重建模型
2．1．2 快速的后上采样重建模型
2．1．3 多支路的多尺度重建模型
2．1．4 多任务约束的感知重建模型
2．2深度网络结构与特征表达
2．2．1 可学习的上采样操作层
2．2．2 跳跃连接的残差结构
2．2．3 多支路融合结构
2．3图像质量评价与损失函数
2．3．1 逐像素损失与峰值信噪比
2．3．2 图像纹理损失函数
2．3．3 图像特征损失函数与视觉感知质量评价
2．3．4 对抗损失函数
3多层特征重用的图像超分辨率重建网络
3．1研究动机与问题分析
3．2多层特征重用的图像超分辨率重建网络模型
3．2．1 多层特征重用的网络结构
3．2．2 网络模型训练与重建过程
3．2．3 神经网络稳定性收敛证明
3．3实验结果及分析
3．3．1 多粒度特征融合
3．3．2 多尺度感受区域
3．4本章小结
4基于协同对抗网络的图像超分辨率重建
4．1研究动机与问题分析
4．2多分支协同对抗的图像超分辨率重建网络
4．2．1 多分支协同对抗网络结构
4．2．2 网络模型训练与重建过程
4．2．3 交替迭代训练的收敛性证明
4．3实验与分析
4．3．1 实验设置
4．3．2 训练细节
4．3．3 实验结果与分析
4．3．4 与其他多分支超分辨率重建网络对比
4．4本章小结
5结论与展望
5．1结论
5．2展望
参考文献
附录
攻读硕士学位期间的学术活动及成果情况
