1. 研究目的与意义（文献综述）

1.1 研究目的及意义

近些年来，科技发展日新月异，人工智能、数据挖掘、5g传输等技术的出现，对图像质量的要求不断提高。衡量图像质量的一个重要指标是图像的分辨率，它表示的是图像单位长度的像素点数。分辨率高的图像更清晰，含有更加丰富的细节信息，对于人类观赏体验的提升和后续的图像处理都有着重要的意义。拥有高分辨率的高清图像，一直是学术界和工业界不懈追求的目标。获取高分辨率图像最可靠的方法就是直接采用高分辨率传感器，然而由于图像采集设施、存储编码算法以及网络传输带宽等因素的限制，且客观世界的自然场景本身就是一个类型繁多、结构复杂、相互作用关系复杂的系统，加上人为采样图像的过程中可能会出现失真、模糊或混声，必然要造成图像有效信息的衰减，导致图像分辨率的降低。所以，利用数字图像处理技术成为提高图像的分辨率的主要方法。

传统的提升图像分辨率的数字图像处理方法是插值法。插值法是指利用图像的已知像素值，运用不同的估计模型增添估计像素值。插值法又包括最邻近插值、双线性插值、双三次内插等。插值法算法简单，时效性高，但是处理过程不考虑图像内在结构，容易造成重建后的图像过度平滑。因此需要性能更优越的方法提升图像分辨率。

2. 研究的基本内容与方案

基本内容:

1、简单介绍图像重建、卷积神经网络、生成对抗网络的基本概念和研究意义。

2、对srcnn、srgan两种模型的基本原理、网络框图、代码流程、调制参数等进行系统地分析，明确每个部分的含义和作用。

3. 研究计划与安排

第1－3周： 查阅相关文献资料，确定研究方案，完成开题报告。

第4－6周： 按照任务书要求，编程实现两种基本模型的训练，分析对比图像重建性能。

第7－10周： 根据对比结果改进模型，完成改进模型的测试对比工作。

4. 参考文献（12篇以上）

[1] (美)昆塔勒·甘古力著. 刘梦馨译. gan：生成对抗网络[m]. 北京：电子工业出版社. 2018.6

[2]朱晓宁. 基于卷积神经网络的图像超分辨率研究[d].燕山大学,2017.

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