作者：Zhihao Wang, Jian Chen, Steven C.H. Hoi, Fellow, IEEE 论文地址：https://arxiv.org/abs/1902.06068

??图像超分辨率（SR）它是一种重要的图像处理技术，可以提高计算机视觉中图像和视频的分辨率。 近年来，目睹了深度学习技术图像超分辨率的显著进步。 本文旨在对图像超分辨率的最新进展进行全面调查。 通常，我们可以使用现有的SR技术研究大致分为三类：监督SR，无监督SR和领域特定SR。 此外，我们还涵盖了基准数据集和性能评估指标等其他重要问题。 最后，我们结束了这项调查，重点关注未来的一些方向和未解决的问题，社区应该在未来进一步解决这些问题。

??图像超分辨率（SR）指低分辨率（LR）恢复图像中的高分辨率（HR）图像过程是计算机视觉和图像处理中一种重要的图像处理技术。 它广泛应用于医学成像[1]、[2]、[3]、监控和安全[4]、[5]等实际应用。 除提高图像感知质量外，还有助于改善其它计算机视觉任务[6]、[7]、[8]、[9]。 通常这个问题很有挑战性，固有的不适，因为总有很多HR图像对应单个LR图像。 在文献中，提出了各种经典SR方法包括基于预测的方法[10]、[11]、[12]、基于边缘的方法[13]、[14]、统计