图像超分辨率重建研究综述  

A Survey of Image Super-Resolution Reconstruction

作　　者：唐艳秋 潘泓[1] 朱亚平[2] 李新德[1] TANG Yan-qiu;PAN Hong;ZHU Ya-ping;LI Xin-de(School of Automation,Southeast University,Nanjing,Jiangsu 210096,China;School of Information and Communication Engineering,Communication University of China,Beijing 100024,China)

机构地区：[1]东南大学自动化学院,江苏南京210096 [2]中国传媒大学信息与通信工程学院,北京100024

出　　处：《电子学报》2020年第7期1407-1420,共14页Acta Electronica Sinica

基　　金：国家自然科学基金(No.61671151,No.61573097,No.91748106);江苏省自然科学基金(No.BK20181265);流程工业综合自动化国家重点实验室基金(No.PAL-N201704);中国传媒大学优秀博导组项目(No.CUC2019A009);中国传媒大学重大攻关培育项目-媒介事件中的AI新闻生产系统与关键技术(No.CUC19ZD003)。

摘　　要：图像超分辨率重建(Super-resolution Reconstruction,SR)是由一张或多张低分辨率图像得到高分辨率图像的过程.近年来,SR技术不断发展,在许多领域被广泛应用.本文在回顾SR技术发展历史的基础上,全面综述了SR技术在各个时期的代表性方法,重点介绍了基于深度学习的图像超分辨率工作.我们从模型类型、网络结构、信息传递方式等方面对各种算法进行了详细评述,并对比了其优缺点.最后探讨了图像超分辨率技术未来的发展方向.Image super-resolution reconstruction(SR)aims to obtain high-resolution images from one or more low-resolution images.Recently,SR has been developing and widely applied in different fields.This survey retrospects the history of SR technique and provides a comprehensive overview of representative SR methods,with an emphasis on recent deep learning-based approaches.We elaborate the details of various deep learning-based SR methods,including their strengths and weakness,in terms of the deep learning model,architecture,and message pass.Finally,we discuss the possible research directions on SR technique.

关 键 词：图像超分辨率 深度学习 图像处理 方法综述 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]