| 基于深度学习的单幅图片超分辨率重构研究进展 |
| |
| 引用本文： | 张宁, 王永成, 张欣, 徐东东. 基于深度学习的单幅图片超分辨率重构研究进展. 自动化学报, 2020, 46(12): 2479−2499 doi: 10.16383/j.aas.c190031 |
| |
| 作者姓名： | 张宁 王永成 张欣 徐东东 |
| |
| 作者单位： | 1.中国科学院长春光学精密机械与物理研究所 长春 130033;2.中国科学院大学 北京 100049 |
| |
| 基金项目： | 国家自然科学基金(11703027)资助 |
| |
| 摘 要： | 
图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入, 结合图像的先验知识重构出一幅高分辨率图像的技术. 这一技术能够在不改变现有硬件设备的前提下, 有效提高图像分辨率.
深度学习近年来在图像领域发展迅猛, 它的引入为单幅图片超分辨率重构带来了新的发展前景. 本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理: 首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍, 分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异; 然后给出它们的实验结果, 并对实验结果及存在的问题进行总结与分析; 最后给出基于深度学习的单幅图片超分辨率重构方法的未来发展方向和存在的挑战.
|
| 关 键 词： | 深度学习 单幅图片超分辨率 卷积神经网络 生成对抗网络 |
| 收稿时间： | 2019-01-10 |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载免费的PDF全文 |
|
