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:
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 ...
最新文章
- 基于Adaboost算法的人脸检测分类器!
- finalshell连接超时怎么解决_电脑无线网络连接不上怎么回事 电脑连不上无线网络的解决方法...
- java流实例_java流汇总以及使用实例
- 009_jQuery链式编程
- js检测开发者工具Devtools是否打开防调试
- jooq代码生成_将jOOQ与Spring结合使用:代码生成
- [css] 写一个高度从0到auto的transition动画
- 电脑断网分析(故障排查手册)- 自救篇
- shell脚本 猜数字游戏并计数比较次数
- js return 闭包为null_js 基础知识总结
- 《把时间当作朋友》——运用心智获得解放 读书笔记(2)
- Spring boot initialization failed for https://start.spring.io
- GetData Graph Digitizer软件的使用方法
- abab的四字成语_abab的四字成语有哪些成语大全
- js根据年份计算总周数并获取每周的日期范围
- vue下拉框数据填充
- 软件设计师---软件工程
- 计算机基础---学习笔记
- Javascript特效:音乐钢琴
- CNS文章代码学习(一)Immunity 三级淋巴结构