图像超分辨率深度学习综述
作者:Zhihao Wang, Jian Chen, Steven C.H. Hoi, Fellow, IEEE 论文地址:https://arxiv.org/abs/1902.06068
摘要
??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。
1. 介绍
??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