图像超分辨率Super Resolution基本介绍与常用方法：插值、稀疏编码、卷积网络、生成对抗网络

活动地址：CSDN21天学习挑战赛

0.难点

从低分辨率图像生成高分辨率图像，理论上有无数种解
相关的数据集少，一般都是从高清图像去制作模糊图像，然后作为数据集，但不同领域的模糊原因不同，模糊方式复杂，所以现有数据集不够合适

1.应用

金牌经典游戏高清化，提升体验又保留原始感觉
节约传输高清图像带宽：上传低清晰度图像，再在本地还原成高分图像
视频去模糊，防抖
去噪点：镜头上有污染
老视频上色
老照片修复
周杰伦MV高清重置

2.双线性、双立方插值

会丢失高频信息

3.稀疏编码

用一组局部的图像描述基底的线性组合合成图像
训练阶段，使用已知高低分辨率图像学习高低分辨率字典
推理阶段，将低分辨率分解成对应的基底，再将基底对应到高分辨率基地上，合成高分辨率图像
训练和推理都耗时（推理时，要进行稀疏分解来得到对应基底，是一种优化问题）

4.基于卷积网络和普通损失函数

2014，香港中文大学首次提出
代表算法：SRCNN，FSRCNN

5.生成对抗网络

采用生成对抗网络的策略，鼓励产生细节更加真实的高分辨率图像
代表算法：SRGAN，ESRGAN
普遍生成的图像清晰度较高，但会存在夸大的伪影，需要在增强图像细节和抑制伪影之间做权衡取舍

图像超分辨率Super Resolution基本介绍与常用方法：插值、稀疏编码、卷积网络、生成对抗网络相关推荐

Google Pixel 超分辨率--Super Resolution Zoom
Google Pixel 超分辨率–Super Resolution Zoom Google 的Super Res Zoom技术,主要用于在zoom时增强画面细节以及提升在夜景下的效果. 文章的主要贡 ...
CV之SR：超分辨率(Super resolution)的简介、使用方法、案例应用之详细攻略
CV之SR:超分辨率(Super resolution)的简介.使用方法.案例应用之详细攻略目录超分辨率(Super resolution)的简介超分辨率(Super resolution)的使 ...
学习笔记之——基于深度学习的图像超分辨率重建
最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...
基于深度学习的图像超分辨率重建
最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...
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 ...
超分辨率——基于SRGAN的图像超分辨率重建(Pytorch实现)
基于SRGAN的图像超分辨率重建本文偏新手项,因此只是作为定性学习使用,因此不涉及最后的定量评估环节目录基于SRGAN的图像超分辨率重建 1 简要介绍 2 代码实现 2.1 开发环境 2.2 主 ...
【图像超分辨率】RS Image SR Based on Visual Saliency Analysis
Remote-Sensing Image Superresolution Based on Visual Saliency Analysis and Unequal Reconstruction Ne ...
【图像超分辨率重建】——HAN论文阅读笔记
Single Image Super-Resolution via a Holistic Attention Network 基本信息期刊:ECCV2020 摘要:信息特征在单幅图像的超分辨率处理中 ...
【图像超分辨率】基于ResNet或GAN的遥感图像超分辨率论文
基于ResNet或GAN的遥感图像超分辨率论文 <空间感知残差网络的遥感图像超分辨率重建> 操作: 遥感图像特点: 网络模型: 去掉批处理层的原因: 具体操作损失方程: <改进的残 ...

图像超分辨率Super Resolution基本介绍与常用方法：插值、稀疏编码、卷积网络、生成对抗网络

0.难点

1.应用

2.双线性、双立方插值

3.稀疏编码

4.基于卷积网络和普通损失函数

5.生成对抗网络

图像超分辨率Super Resolution基本介绍与常用方法：插值、稀疏编码、卷积网络、生成对抗网络相关推荐

最新文章

热门文章