|
|
|
卷积神经网络图像超分辨率在图像融合技术中的应用研究 |
|
论文目录 |
|
摘要 | 第4-6页 | Abstract | 第6-7页 | 第1章 绪论 | 第11-21页 | 1.1 研究意义 | 第11-12页 | 1.2 国内外研究现状 | 第12-17页 | 1.2.1 图像融合的研究现状 | 第12-15页 | 1.2.2 图像超分辨率的研究现状 | 第15-17页 | 1.3 论文主要内容和主要创新点 | 第17-18页 | 1.4 论文组织结构 | 第18-21页 | 第2章 卷积神经网络理论 | 第21-33页 | 2.1 卷积神经网络发展历程 | 第21-22页 | 2.2 卷积神经网络基本结构 | 第22-26页 | 2.2.1 卷积层 | 第23-24页 | 2.2.2 采样层 | 第24-25页 | 2.2.3 全连接层 | 第25-26页 | 2.3 卷积神经网络的训练过程 | 第26-30页 | 2.3.1 训练方法 | 第26-27页 | 2.3.2 多种学习框架 | 第27-30页 | 2.4 基于卷积神经网络的超分辨率处理 | 第30-32页 | 2.5 本章小结 | 第32-33页 | 第3章 基于卷积神经网络超分辨率处理的遥感图像融合 | 第33-47页 | 3.1 遥感融合传统方法 | 第33-34页 | 3.2 基于卷积神经网络超分辨率处理的遥感图像融合算法 | 第34-35页 | 3.3 多光谱图像的超分辨率处理 | 第35-37页 | 3.4 实验结果与分析 | 第37-46页 | 3.4.1 图像融合评价指标 | 第37-39页 | 3.4.2 图像融合分析 | 第39-46页 | 3.5 本章小结 | 第46-47页 | 第4章 基于卷积神经网络的频域超分辨率处理 | 第47-53页 | 4.1 卷积神经网络频域超分辨率处理模型 | 第47-49页 | 4.2 卷积神经网络频域超分辨率模型训练 | 第49-51页 | 4.2.1 样本预处理 | 第49页 | 4.2.2 Caffe平台的搭建 | 第49-50页 | 4.2.3 网络训练 | 第50-51页 | 4.3 本章小结 | 第51-53页 | 第5章 基于多尺度卷积神经网络的图像融合 | 第53-63页 | 5.1 现有基于多尺度变换图像融合方法 | 第53-54页 | 5.2 基于多尺度卷积神经网络的图像融合算法 | 第54-55页 | 5.3 实验仿真与性能分析 | 第55-58页 | 5.3.1 参数设置 | 第55页 | 5.3.2 实验结果和分析 | 第55-58页 | 5.4 网络的通用性 | 第58-60页 | 5.4.1 近红外与可见光图像融合 | 第58页 | 5.4.2 医学图像融合 | 第58-60页 | 5.5 本章小结 | 第60-63页 | 第6章 总结和展望 | 第63-67页 | 6.1 本文工作总结 | 第63-64页 | 6.2 今后工作展望 | 第64-67页 | 参考文献 | 第67-73页 | 附录 常用专业词汇中英文全称及缩写对照表 | 第73-75页 | 作者攻读学位期间的科研成果 | 第75-77页 | 致谢 | 第77页 |
|
|
|
|
论文编号BS3106277,这篇论文共77页 会员购买按0.35元/页下载,共需支付26.95元。 直接购买按0.5元/页下载,共需要支付38.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|