10.3778/j.issn.1673-9418.2202063
深度学习的图像超分辨率重建技术综述
图像超分辨率重建技术的本质是突破现有硬件条件的限制,通过算法将低分辨率图像重建为高分辨率图像,获得包含更多信息的图像的技术.随着深度学习理论和技术的迅速发展,深度学习被引入到超分辨率重建领域并取得了进展.对基于深度学习的图像超分辨率重建算法进行了全面总结,并对已有算法进行了分类、分析和比较.首先,详细介绍了单图像超分辨率重建模型的组成结构,包括超分框架、上采样方法、非线性映射学习模块以及损失函数等.其次,从图像对齐和Patch匹配两方面出发,对现有的基于参考的图像超分辨率重建算法进行了分析.然后,介绍了图像超分辨重建领域的benchmark数据集以及图像质量评估参数,对目前主流算法的性能进行了评估.最后,对基于深度学习的图像超分辨率重建算法的未来研究趋势进行了展望.
超分辨率重建、深度学习、单图像、基于参考、图像对齐
16
TP391;TN911.73;TP183
2022-09-22(万方平台首次上网日期,不代表论文的发表时间)
共21页
1990-2010