超分辨率（Super-resolution）概念理解：

百科：超分辨率(Super-Resolution)通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。

wiki：超分辨率成像（SR-imaging）是提高成像系统分辨率的一类技术。光学SR技术可以超越系统的衍射极限，而几何SR则可以提高数字成像传感器的分辨率。超分辨率成像技术广泛应用于图像处理和超分辨显微术中。

形象理解：

给定图像的像素越高，表示图像质量越接近于原始图像。如果把低像素的图片放大到一定程度，图片会变得非常模糊，类似于马赛克的情况。效果如下图所示：

如果想让上述图像变得清新，这是需要的技术就是超分辨率重构了。

超分辨率重构现有方法：

在知乎上有看到一个帖子：图像超分辨率重构技术还有什么可研究吗？以本人的理解，任何一项技术都有研究和提高的余地，技术进步不就是这样一点点来的吗？总结一下现有的SR技术方法，并附找到的项目链接：

（1）稀疏编码方法（Sparse Coding）

Image super-resolution as sparse representation of raw image patches (CVPR2008)
基于原始图像块稀疏表示的图像超分辨率
Image super-resolution via sparse representation (TIP2010)
Coupled dictionary training for image super-resolution (TIP2011)

（2）Self-Exemplars

Single Image Super-Resolution from Transformed Self-Exemplars (CVPR2015)

（3）贝叶斯方法

Naive Bayes Super-Resolution Forest (ICCV2015)

（4）基于金字塔算法

http://vllab.ucmerced.edu/wlai24/LapSRN/

（5）深度学习方法（近几年文章很多啊）

Image Super-Resolution Using Deep Convolutional Networks (ECCV2014)
Deep Networks for Image Super-Resolution with Sparse Prior (ICCV2015)
Robust Single Image Super-Resolution via Deep Networks with Sparse Prior (TIP2016)

Accurate Image Super-Resolution Using Very Deep Convolutional Networks (CVPR2016)
Deeply-Recursive Convolutional Network for Image Super-Resolution (CVPR2016)
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network (CVPR2016)

Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution (CVPR 2017),
Enhanced Deep Residual Networks for Single Image Super-Resolution (Winner of NTIRE2017 Super-Resolution Challenge)

关于深度学习在超分辨率重建中的应用：https://zhuanlan.zhihu.com/p/25532538?utm_medium=social&utm_source=weibo

给出了几种实现方法及介绍，github里面相应的项目实现。另外还发现一篇有点尺度的文章《用GAN去除(爱情)动作片中的马赛克和衣服》，感兴趣的请参见这里。

（6）Perceptual Loss and GAN（损失函数上改进）

Perceptual Losses for Real-Time Style Transfer and Super-Resolution (ECCV2016)
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (CVPR2017)

（7）Google基于哈希机制的实现

《RAISR: Rapid and Accurate Image Super Resolution》

分析：http://blog.csdn.net/jiangjieqazwsx/article/details/69055753

（8）视频SR

https://users.soe.ucsc.edu/~milanfar/software/superresolution.html
Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation (CVPR2017)

小结：SR使用稀疏编码方法取得的方法已经堪称state-of-the-art级别，深度学习出现后又将效果进一步提升。

11.15增补：

今天看到一篇论文：《Super-Resolution From a Single Image 》（http://www.wisdom.weizmann.ac.il/~vision/SingleImageSR.html），http://cs.brown.edu/courses/csci1950-g/results/final/pachecoj/ ，

另外附几个相关网页：

https://people.mpi-inf.mpg.de/~kkim/supres/supres.htm

《Example-Based-Super-Resolution-Freeman》

18.1.3增补：

神经网络实现：

（1）《Accelerating the Super-Resolution Convolutional Neural Network》，使用matlab的实现。

（2）《Pixel Recursive Super Resolution》，项目实现链接。

参考：

https://en.wikipedia.org/wiki/Super-resolution_imaging

https://www.zhihu.com/question/38637977

https://github.com/huangzehao/Super-Resolution.Benckmark

https://zhuanlan.zhihu.com/p/25532538

图像超分辨率重构（一）原理及方法总结相关推荐

GAN的应用-SRGAN图像超分辨率重构、U-net结构和字“姐”跳动学习心得
GAN的应用 -- SRGAN图像超分辨率重构项目地址:https://aistudio.baidu.com/aistudio/projectdetail/843989 文章来源:2017 IEEE ...
图像超分辨率重构实战
低分辨率图像重建任务总览数据加载与配置模型设置生成.判别.特征提取模块调用损失函数与训练测试今天我们来介绍利用对抗生成网络(GAN)对低分辨率图像进行重构的介绍.再开始今天的任务之前,给 ...
【数字图像处理3 】（上）图像超分辨率重建（SR）概述
图像超分辨率重建一.前言(废话时间) 二.扫盲知识什么是超分辨率重建? 兴起原因三.传统超分辨率重建 1.基于插值的超分辨率重建 2.基于退化模型的超分辨率重建 3.基于学习的超分辨率重建四 ...
一键提升多媒体内容质量：漫谈图像超分辨率技术
编者按:作为将模糊的图像变清晰的神奇技术,图像超分辨率技术在游戏.电影.相机.医疗影像等多个领域都有广泛的应用.在这篇文章中,微软亚洲研究院的研究员们为你总结了图像超分辨率问题中的主流方法.现存问题与 ...
《图像超分辨率研究综述》笔记
图像超分辨率是指由一幅低分辨率图像或图像序列恢复出高分辨率图像.图像超分辨率技术分为超分辨率复原和超分辨率重建. 超分辨率复原和超分辨率重建有一个共同点,就是把在获取图像时丢失或降低的高频信息恢复出来 ...
漫谈图像超分辨率技术
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达作为将模糊的图像变清晰的神奇技术,图像超分辨率技术在游戏.电影.相 ...
一文掌握图像超分辨率重建（算法原理、Pytorch实现）——含完整代码和数据
目录一. 图像超分辨率重建概述 1. 概念 2. 应用领域 3. 研究进展 3.1 传统超分辨率重建算法 3.2 基于深度学习的超分辨率重建算法二. SRResNet算法原理和Pytorch实 ...
CVPR 2021 | 基于跨任务场景结构知识迁移的单张深度图像超分辨率方法
©PaperWeekly 原创 · 作者|孙宝利学校|大连理工大学硕士研究方向|计算机视觉项目主页: http://faculty.dlut.edu.cn/yexinchen/zh_CN/zdy ...
不同分辨率图片匹配_超实用的图像超分辨率重建方法及应用介绍
在之前的文章中已经讲述过很多的传统超分辨率算法.而在AI领域中这几年也是很大热门.CVPR2017超分辨有7篇论文,2018 ICCV共有9篇 ,在CVPR2018中,共收录979篇,而超分辨率论文有 ...
基于深度学习的图像超分辨率方法总结
基于深度学习的SR方法懒得总结,就从一篇综述中选取了一部分基于深度学习的图像超分辨率方法. 原文:基于深度学习的图像超分辨率复原研究进展作者:孙旭李晓光李嘉锋卓力北京工业大学信号与信息处理 ...

图像超分辨率重构（一）原理及方法总结

超分辨率（Super-resolution）概念理解：

形象理解：

超分辨率重构现有方法：

参考：

图像超分辨率重构（一）原理及方法总结相关推荐

最新文章

热门文章