1. 毕业设计（论文）主要内容：

图像超分辨率是指由一幅低分辨率图像或图像序列恢复出高分辨率图像。其核心思想就是用时间带宽换取空间分辨率,实现时间分辨率向空间分辨率的转换。本课题主要研究基于CNN（卷积神经网络）的超分辨率技术，用来进行单幅图片的重建。在深入研究卷积神经网络的结构和基于学习的超分辨率重建的基本原理基础上，利用MATLAB实现基于CNN的超分辨率重建算法，对该算法的设计步骤进行详细说明，并使用该算法对单幅图像进行重建，通过与基于插值的图片重建算法进行比较，说明基于CNN的图片超分辨率重建算法的优越性。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）利用matlab实现基于cnn的超分辨率重建算法，对该算法的设计步骤进行详细说明，并使用该算法对单幅图像进行重建，并将结果与基于插值的图片重建算法进行比较。

3. 毕业设计（论文）完成任务的计划与安排

4. 主要参考文献

[1] yang z, kai z, liang y,et al. single image super-resolution with a parameter economic residual-likeconvolutional neural network[j]. 2017.

[2] youm g y, bae s h, kim m.image super-resolution based on convolution neural networks using multi-channelinput[c]// image, video, amp; multidimensional signal processing workshop.2016.

[3] 赵建梁.基于卷积神经网络的图像复原方法研究[d]. 南京大学, 2018.