|
|
|
|
基于深度学习的图像超分辨率重建技术研究 |
| |
| 论文目录 |
| |
| 摘要 | 第5-7页 | | ABSTRACT | 第7-8页 | | 符号对照表 | 第12-13页 | | 缩略语对照表 | 第13-16页 | | 第一章 绪论 | 第16-24页 | | 1.1 研究背景与意义 | 第16-17页 | | 1.2 研究发展和现状 | 第17-20页 | | 1.2.1 基于插值的超分辨率重建技术 | 第17-18页 | | 1.2.2 基于重构的超分辨率重建技术 | 第18-19页 | | 1.2.3 基于学习的超分辨率重建技术 | 第19-20页 | | 1.3 研究动机和目的 | 第20-21页 | | 1.4 本文的研究内容及结构安排 | 第21-24页 | | 第二章 基于深度度量学习的图像超分辨重建 | 第24-46页 | | 2.1 基于邻域嵌入的图像超分辨重建算法 | 第24-26页 | | 2.2 距离度量学习 | 第26-30页 | | 2.2.1 马氏距离度量学习 | 第26-27页 | | 2.2.2 深度度量学习 | 第27-30页 | | 2.3 稀疏多流形嵌入 | 第30-32页 | | 2.4 基于深度度量学习的图像超分辨率重建算法 | 第32-33页 | | 2.5 实验结果与分析 | 第33-43页 | | 2.5.1 实验条件与数据说明 | 第33-35页 | | 2.5.2 特征提取对于邻域选取的影响 | 第35-36页 | | 2.5.3 自然图像实验结果与分析 | 第36-39页 | | 2.5.4 遥感图像实验结果与分析 | 第39-42页 | | 2.5.5 字符图像实验结果与分析 | 第42-43页 | | 2.6 本章小结 | 第43-46页 | | 第三章 基于稀疏自编码网络与极速学习的图像超分辨重建 | 第46-64页 | | 3.1 极速学习机 | 第46-48页 | | 3.2 基于ELM的稀疏自编码器 | 第48-50页 | | 3.3 多层ELM学习模型 | 第50-51页 | | 3.4 基于稀疏自编码网络与极速学习的图像超分辨重建算法 | 第51-53页 | | 3.5 实验结果与分析 | 第53-61页 | | 3.5.1 聚类个数对重建结果的影响 | 第53页 | | 3.5.2 自然图像实验结果与分析 | 第53-56页 | | 3.5.3 遥感图像实验结果与分析 | 第56-60页 | | 3.5.4 字符图像实验结果与分析 | 第60-61页 | | 3.6 本章小结 | 第61-64页 | | 第四章 基于深度残差网络的图像超分辨率重建 | 第64-80页 | | 4.1 深层卷积神经网络 | 第64-65页 | | 4.2 深度残差网络 | 第65-66页 | | 4.2.1 残差学习 | 第65页 | | 4.2.2 恒等映射 | 第65-66页 | | 4.3 基于深度残差网络的图像超分辨率重建 | 第66-70页 | | 4.3.1 网络模型介绍 | 第67-69页 | | 4.3.2 损失函数 | 第69-70页 | | 4.4 实验结果与分析 | 第70-79页 | | 4.4.1 实验条件和参数设置 | 第70页 | | 4.4.2 自然图像实验结果与分析 | 第70-74页 | | 4.4.3 遥感图像实验结果与分析 | 第74-77页 | | 4.4.4 字符图像实验结果与分析 | 第77-79页 | | 4.5 本章小结 | 第79-80页 | | 第五章 总结与展望 | 第80-82页 | | 5.1 总结 | 第80-81页 | | 5.2 展望 | 第81-82页 | | 参考文献 | 第82-86页 | | 致谢 | 第86-88页 | | 作者简介 | 第88-89页 |
|
|
|
|
论文编号BS3168782，这篇论文共89页
会员购买按0.35元/页下载，共需支付31.15元。 直接购买按0.5元/页下载，共需要支付44.5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。 |
|
|
广告服务