最新23页《深度学习图像超分辨率应用综述》论文，带你全面了解深度学习超分方法（附下载）

【导读】图像超分（SR, Super-Resolution）图像处理及数据非常重要的应用方向，主要目标在于增强原始图像与视频的分辨率精度。最近这些年，非常多的图像超分问题研究均采用了深度学习的架构，本篇综述希望通过全面回顾基于深度学习的图像超分方法，帮助大家快速了解这一领域的最新动态。

介绍：

图像超分问题，主要目标是图像处理技术中的重要研究方向，主要目标是将图片从低分辨率恢复到高分辨率的图像。这类方法具有非常广泛的应用价值，比如医疗影像、安防等等。通常来说，这一问题非常具有挑战性，因为总是存在多种对应于相同低分辨率图像的高分辨率映射。在以往的研究中，提出了一些传统的超分方法，包括基于预测的方法，基于边的方法，以及稀疏表示方法等等。

随着深度学习技术的快速发展，基于深度学习的图像超分方法已经被开发出来，并且在多个测试任务上，取得了目前最优的性能效果。多种深度学习方法已经被应用到具体的图像超分任务中，从早期的卷积神经网络（SRCNN）到最近提出的基于GAN的超分方法。通常来说，使用了深度学习的超分算法类中，存在着以下几种不同之处：网络架构不同、损失函数不同、学习原理、策略不同等。

在这篇文章中，主要给出了在超分算法中使用深度学习技术的一些优势。虽然存在着一些其他关于超分算法的综述，但我们不同之处在于主要关注基于深度学习的超分算法，而不像其他早期工作那样关注于传统的超分算法综述。本篇综述给出了一个统一的深度学习视角，来回顾最近的超分技术进展。

近期综述

• S. C. Park, M. K. Park, and M. G. Kang, “Super-resolution image

  reconstruction: A technical overview,” IEEE Signal Processing

  Magazine, vol. 20, 2003.

• K. Nasrollahi and T. B. Moeslund, “Super-resolution: A comprehensive

  survey,” Machine Vision and Applications, vol. 25, 2014.

• J. Tian and K.-K. Ma, “A survey on super-resolution imaging,”

  Signal, Image and Video Processing, vol. 5, 2011.

• J. Van Ouwerkerk, “Image super-resolution survey,” Image and

  Vision Computing, vol. 24, 2006.

• C.-Y. Yang, C. Ma, and M.-H. Yang, “Single-image superresolution:

  A benchmark,” in ECCV, 2014.

• D. Thapa, K. Raahemifar,W. R. Bobier, and V. Lakshminarayanan,

  “A performance comparison among different super-resolution

  techniques,” Computers & Electrical Engineering, vol. 54, 2016.

本文的主要贡献包括三个方面:

1. 给出了一个综合的基于深度学习的图像超分技术综述，包括问题设置、数据集、性能度量、一组基于深度学习的图像超分方法集合，特定领域的图像超分方法应用等等。

2. 为最近基于深度学习的图像超分算法提供了系统性、结构化的视角，并总结了高效图像超分解决方案中的优势于劣势。

3. 我们讨论了这个领域的挑战与开放问题，并总结了最近的新趋势与未来的发展方向。

【图像超分方法最新论文下载】

 请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SRDL” 就可以获取图像超分最新综述论文的下载链接~ 

图像超分算法分类：

公开数据集：

附论文全文：

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成！480+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询《深度学习:算法到实战》课程，咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程