电子学报 ›› 2020, Vol. 48 ›› Issue (7): 1407-1420.DOI: 10.3969/j.issn.0372-2112.2020.07.022

所属专题: 机器学习之图像处理 优秀论文(2022)

• 综述评论 • 上一篇    下一篇

图像超分辨率重建研究综述

唐艳秋1, 潘泓1, 朱亚平2, 李新德1   

  1. 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
  • 收稿日期:2019-05-13 修回日期:2019-11-20 出版日期:2020-07-25 发布日期:2020-07-25
  • 通讯作者: 潘泓
  • 作者简介:唐艳秋 女,1995年生,四川达州人.东南大学自动化学院控制科学与工程专业硕士研究生,研究方向为机器学习、数字图像处理等.E-mail:220171510@seu.edu.cn;朱亚平 女,1977年生.博士,教授,主要研究方向为机器学习、深度学习、图像处理、模式识别.E-mail:zhuyaping@cuc.edu.cn;李新德 男,1975年生.博士,教授,主要研究方向为机器感知与学习、数据挖掘、机器视觉、智能信息融合和不确定推理、智能机器人.E-mail:xindeli@seu.edu.cn
  • 基金资助:
    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)

A Survey of Image Super-Resolution Reconstruction

TANG Yan-qiu1, PAN Hong1, ZHU Ya-ping2, LI Xin-de1   

  1. 1. School of Automation, Southeast University, Nanjing, Jiangsu 210096, China;
    2. School of Information and Communication Engineering, Communication University of China, Beijing 100024, China
  • Received:2019-05-13 Revised:2019-11-20 Online:2020-07-25 Published:2020-07-25

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.

关键词: 图像超分辨率, 深度学习, 图像处理, 方法综述

Abstract: 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.

Key words: image super-resolution reconstruction, deep learning, image processing, methods review

中图分类号: