基于深度学习的图像超分辨率复原研究进展

被引：71

作者：

孙旭

李晓光

李嘉锋

卓力

机构：

[1] 北京工业大学信号与信息处理研究室

来源：

自动化学报 | 2017年 / 43卷 / 05期

基金：

北京市自然科学基金;

关键词：

超分辨率复原; 深度神经网络; 卷积神经网络; 循环神经网络;

D O I：

10.16383/j.aas.2017.c160629

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向.

引用

页码：697 / 709

页数：13

共 18 条

[1] 利用双通道卷积神经网络的图像超分辨率算法 [J].