摘要
图像超分辨率重建(super-resolution, SR)是指从观测到的低分辨率图像重建出相应的高分辨率图像,在目标检测、医学成像和卫星遥感等领域都有着重要的应用价值.近年来,随着深度学习的迅速发展,基于深度学习的图像超分辨率重建方法取得了显著的进步.为了把握目前基于深度学习的图像超分辨率重建方法的发展情况和研究热点,对一些最新的基于深度学习的图像超分辨率重建方法进行了梳理,将它们分为两大类(有监督的和无监督的)分别进行阐述.然后,在公开的数据集上,将主流方法的性能进行了对比分析.最后,对基于深度学习的图像超分辨率重建方法进行了总结,并对其未来的研究趋势进行了展望.
学科与关键词
关键词
图像超分辨率重建深度学习卷积神经网络生成对抗网络 image super-resolution reconstructiondeep learningconvolutional neural network(CNN)generative adversarial network(GAN)
- 图像超分辨率技术的回顾与展望刘颖; 朱丽; 林庆帆; 李莹华; 王富平; 卢津计算机科学与探索, 1-28.
- 一种基于深度学习的图像超分辨率重构方法李蒸; 张彤; 朱国涛; 王新; 王威湖南城市学院学报(自然科学版), 2019, (06): 59-63.
- Deep Learning for Image Super-Resolution: A SurveyWang, Zhihao; Chen, Jian; Hoi, Steven C. H.*IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, 43(10): 3365-3387.被引 778
