目录
目录
摘 要 III
ABSTRACT IV
第一章 绪论 1
1 超分辨率重建的背景和意义 1
2 超分辨率重建的国内外研究现状 1
2.1 国内研究现状 1
2.2 国外研究现状 2
3 论文的主要工作内容 3
第二章 图像超分辨率重建经典算法分类与评价指标 4
1 早期基于插值的超分辨率重建方法 4
2 基于重建的超分辨率重建方法 4
3 基于学习的超分辨率重建方法 5
3.1 浅层学习方法 5
3.2 深度学习方法 6
4 超分辨率复原质量的评价 6
4.1 主观评价指标 6
4.2 客观评价指标 7
第三章 基于插值的超分辨率算法的实验研究 9
1 非均匀插值算法的理论原理 9
1.1 最近邻插值法(Nearest Neighbor Interpolation，NNI) 9
1.2 双线性插值法(Bilinear Interpolation) 9
1.3 双三次插值(Bicubic interpolation) 11
2 实验结果与总结 12
2.1 最近邻插值的结果分析 12
2.2 双线性插值的结果分析 13
2.3 双三次插值法的结果分析 14
3 插值算法总结 14
第四章 基于SIFT算法特征提取的传统重建超分辨率算法的实验研究 16
1 SIFT算法特征提取原理
1.1 尺度空间极值检测 16
1.2 关键点定位(Keypoint localization) 17
1.3 方向赋值(Orientation assignment) 17
1.4 关键点描述（Keypoint descriptor） 18
2 基于SIFT算法的超分辨实验结果与分析 18
第五章 基于SRCNN的深度学习方法的超分辨率算法研究 20
1 *51今日免费论文网|www.51jrft.com +Q: @351916072@ 
SRCNN算法原理 20
1.1 基于深度学习的超分辨率复原的一般步骤 20
1.2 卷积神经网络基本原理 20
2 数据集 23
3 模型及其训练 23
3.1 网络模型 23
3.2 损失函数(Loss Function) 24
4 实验结果与分析 25
第六章 基于SRGAN的深度学习方法的超分辨率算法研究 27
1 对抗式生成网络（GAN）模型算法原理 27
1.1 GAN（生成对抗式网络）简介 27
1.2 GAN的核心公式 28
2 基于SRGAN的深度学习网络模型 28
2.1 SRGAN提升恢复出的图片的真实感 28
2.2 SRGAN模型的网络训练 29
3 SRGAN算法实现 30
3.1 数据集选择 30
3.2 图像预处理 30
3.3 网络训练 31
3.4 模型优化 31
4 实验结果与分析。 31
第七章 对超分辨率算法实现效果的对比与分析 35
1 实验环境 35
1.1 深度学习框架的选择 35
1.2 实验环境 35
2 实验结果分析 35
2.1 主观评价 35
2.2 客观评价 43
第八章 结论与展望 45
1 超分辨实验总结 45
2 对超分辨研究的展望 45
参考文献 47
致 谢 48
超分辨率人像图片还原方法分析与实现
摘 要
图像超分辨率是指利用一幅或多幅低分辨率图像，运用相应的算法来获得一幅清晰的高分辨率图像。由于超分辨技术具有广泛的应用与理论价值，超分辨率图像重建技术成为图像处理与计算机视觉领域的一个研究热点。分别实现了基于插值的三类超分辨率算法、基于SIFT重建的传统超分辨率算法和基于SRCNN及SRGAN的深度学习的超分辨率算法模型，实现了针对人像图片的超分辨率还原功能，分析了各超分辨率技术实现方法的特点。在公开数据集进行了训练与测试，通过各类对比试验，比较各算法在还原能力、通用性能等方面的优势和不足。同时，对其中的SRGAN算法进行了改进，提升了算法运行效率和模型运算成果的超分辨率效果。从主观和客观两种评价角度充分验证本次设计的算法所能重建超分辨率图像的能力，并归纳了未来超分辨率技术方面发展需要解决的问题。
引言
第二、对所实现的基于SIFT算法的传统超分辨率算法进行分析。分析了其实现流程与原理，归纳了该类算法的优缺点。
第三、对所实现的基于SRCNN的经典深度学习算法进行分析，解析其实现流程，数据集选取，对算法中使用的各类训练操作、模型搭建细节、损失函数、优化算法进行说明，并分析算法对图像的超分辨重建效果等。
第四、对所实现的基于SRGAN的经典深度学习算法进行分析，解析其实现流程，数据集选取，对算法中使用的各类训练操作、模型搭建细节、损失函数、优化算法进行说明，并分析算法对图像的超分辨重建效果等
第五、对实现的较具有代表性的四个算法进行对比参照，分析各自算法的优缺点。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/610090.html