基于深度学习的图像超分辨率复原研究进展

• 作者: 卓力 孙旭 李嘉锋 李晓光
• 来源期刊: 自动化学报
• 关键词: 超分辨率复原 深度神经网络 卷积神经网络 循环神经网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 综述
• 页码范围: 697-709
• 页数: 13页
• 字数: 14222字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160629

摘要

图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卓力	北京工业大学信号与信息处理研究室	94	839	14.0	24.0
2	李晓光	北京工业大学信号与信息处理研究室	24	247	8.0	15.0
3	李嘉锋	北京工业大学信号与信息处理研究室	8	91	4.0	8.0
4	孙旭	北京工业大学信号与信息处理研究室	1	51	1.0	1.0