基于深度学习的单幅图像超分辨率重建综述

• 作者: 李彬 喻夏琼 王平 傅瑞罡 张虹
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 深度学习 超分辨率重建 神经网络 信息融合
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形与图像
• 页码范围: 112-124
• 页数: 13页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.01.014

摘要

单幅图像超分辨率SISR重建指从单幅低分辨率图像恢复出高分辨率图像.深度学习方法越来越多地用于图像超分辨重建领域,由于深度网络模型可以自主学习低分辨率图像到高分辨率图像之间的映射关系,与传统方法相比在该领域展现出了更好的重建效果,因而基于深度学习的方法已经成为目前图像超分辨率重建领域的主流方向.围绕现有的超分辨深度网络模型在重建方式、结构组成和损失函数方面展开的探索进行了综合论述,通过比较不同模型之间存在的异同点,分析了不同的模型构建方法存在的优缺点及适应的应用场景,同时比较不同网络模型在主流测试数据集上的重建效果,并对该领域的未来研究方向进行了展望.