1. 毕业设计（论文）主要内容：

基于神经网络和深度学习的基本原理，分别使用超分辨率卷积神经网络（Super-Resolution Convolutional Neural Network, SRCNN）与超分辨率生成对抗网络（Super-Resolution Generative Adversarial Network, SRGAN）方法，在Caffe、Tensorflow上对单幅图像进行超分辨率图像重建。通过调整网络层数、数据集选取、卷积核等参数对两种方法的图像重建效果进行研究和比较。

2. 毕业设计（论文）主要任务及要求

毕设主要内容包括：

1. 深入理解srcnn模型，使用srcnn模型对图像进行超分辨率重建；
2. 深入理解srgan模型，使用srgan模型对图像进行超分辨率重建；
3. 通过调整网络层数、数据集选取、卷积核等参数，研究比较两种方法的重建效果；
4. 完成毕业论文。

要求：

3. 毕业设计（论文）完成任务的计划与安排

1. 第1周—第3周 搜集资料，撰写开题报告；
2. 第4周—第5周 论文开题；
3. 第6周—第12周 撰写论文初稿；
4. 第12周—第15周 修改论文；
5. 第16周 论文答辩。

4. 主要参考文献

[1] 数字图像处理及matlab实现/杨杰主编[m]. 北京：电子工业出版社,2013.8.

[2] 舒雷. 基于视觉感知的超分辨率图像重建及其质量评价[d].江西财经大学,2016.

[3] yang j, wright j, huang t. image super-resolution via sparserepresentation [j]. ieee transactions on image processing (s1057-7149), 2010,19(11): 2861-2873.