文摘
|
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. |
其他语种文摘
|
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. |
来源
|
电子学报
,2020,48(7):1407-1420 【核心库】
|
DOI
|
10.3969/j.issn.0372-2112.2020.07.022
|
关键词
|
图像超分辨率
;
深度学习
;
图像处理
;
方法综述
|
地址
|
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
|
语种
|
中文 |
文献类型
|
综述型 |
ISSN
|
0372-2112 |
学科
|
自动化技术、计算机技术 |
基金
|
国家自然科学基金
;
江苏省自然科学基金
;
流程工业综合自动化国家重点实验室基金
;
中国传媒大学优秀博导组项目
;
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
|
文献收藏号
|
CSCD:6770211
|