1. 研究目的与意义（文献综述）

1.1 题目

基于生成对抗网络的图像超分辨率重建算法设计与实现

1.2 背景及意义

2. 研究的基本内容与方案

2.1 基本内容与目标：

学习传统的图像超分辨率重建的相关知识、技术、实现方法。在此基础上, 深入研究深度学习的理论,学习卷积神经网络和生成对抗网络等模型，设计和实现一个基于生成对抗网络的对任意图片进行超分辨率重建的算法。这个算法的目标:

(1) 输入一张低分辨率的图片，产生一张与之对应的高分辨率图片。

3. 研究计划与安排

(1) 2018/1/14——2018/2/28：确定选题，阅读文献，分析、总结、确定技术路线，完成并提交开题报告；翻译英文资料并交指导教师检查。

(2) 2018/3/1——2018/4/30：需求分析，系统架构，算法或系统设计，编码、系统测试与完善等。

(3) 2018/5/1——2018/5/25：撰写论文初稿；修改论文，定稿并提交论文评审；提交毕业答辩所需所有文档及资料。

4. 参考文献（12篇以上）

[1] taigw.深度学习在图像超分辨率重建中的应用. https://zhuanlan.zhihu.com/p/25532538.2017年3月1日.

[2] 苏衡, 周杰, 张志浩. 超分辨率图像重建方法综述. 自动化学报, 2013, 39(8): 1202-1213.

[3] dong, chao, et al. "image super-resolution using deepconvolutional networks." ieee transactions on pattern analysis and machineintelligence 38.2 (2016): 295-307.