复杂退化模型下图像超分辨率算法综述

作者：陈伟; 吴凡; 田子建^*; 刘珏廷

来源：郑州大学学报(理学版）, 2023, 1-10.

DOI：10.13705/j.issn.1671-6841.2022331

• 深度学习
• 超分辨率
• 卷积神经网络
• 生成对抗网络
• 图像质量评价

图像的超分辨率(super-resolution, SR)一直以来是计算机视觉(computer vision, CV)领域的一项热门的研究方向,它旨在从单张或多张低分辨率图像中通过一系列的图像处理和深度学习技术,重建带有丰富边缘纹理等细节特征的高分辨率图像。自从深度卷积神经网络应用于图像超分辨率算法后,其性能相较于传统的基于重构和基于样例的SR算法有了非常大的提升。然而,目前的SR算法在实际场景应用、算法性能、模型质量评估标准等方面仍然需要改良和优化。因此,为推进图像超分辨率技术的发展,总结并分析了基于深度学习的SR算法。首先,将目前主流的SR算法分为基于卷积神经网络、基于生成对抗网络、基于Transformer的SR算法这三类;其次,详细评述了每一类算法的网络结构、算法优缺点、算法特色及适用场景等;然后,对常见的超分辨率数据集及各种评价指标进行阐述,重点比较了不同SR算法在各类数据集上的性能;最后,本文总结图像超分辨率目前研究所面临的问题并探讨了图像超分辨率的未来研究方向。

• 单位
  中国矿业大学; 中国矿业大学（北京）