基于深度学习的单幅图片超分辨率重构研究进展

图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入,结合图像的先验知识重构出一幅高分辨率图像的技术.这一技术能够在不改变现有硬件设备的前提下,有效提高图像分辨率.深度学习近年来在图像领域发展迅猛,它的引入为单幅图片超分辨率重构带来了新的发展前景.本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理:首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍,分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异;然后给出它们的实验结果,并对实验结果及存在的问题进行总结与分析;最后给出基于深度学习...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 46; no. 12; pp. 2479 - 2499
Main Authors 张宁, 王永成, 张欣, 徐东东
Format Journal Article
LanguageChinese
Published 中国科学院大学 北京100049%中国科学院长春光学精密机械与物理研究所 长春130033 01.12.2020
中国科学院长春光学精密机械与物理研究所 长春130033
Subjects
生成对抗网络
卷积神经网络
深度学习
单幅图片超分辨率
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c190031

Cover

Abstract 图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入,结合图像的先验知识重构出一幅高分辨率图像的技术.这一技术能够在不改变现有硬件设备的前提下,有效提高图像分辨率.深度学习近年来在图像领域发展迅猛,它的引入为单幅图片超分辨率重构带来了新的发展前景.本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理:首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍,分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异;然后给出它们的实验结果,并对实验结果及存在的问题进行总结与分析;最后给出基于深度学习的单幅图片超分辨率重构方法的未来发展方向和存在的挑战.
AbstractList 图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入,结合图像的先验知识重构出一幅高分辨率图像的技术.这一技术能够在不改变现有硬件设备的前提下,有效提高图像分辨率.深度学习近年来在图像领域发展迅猛,它的引入为单幅图片超分辨率重构带来了新的发展前景.本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理:首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍,分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异;然后给出它们的实验结果,并对实验结果及存在的问题进行总结与分析;最后给出基于深度学习的单幅图片超分辨率重构方法的未来发展方向和存在的挑战.
Author 徐东东
张欣
张宁
王永成
AuthorAffiliation 中国科学院长春光学精密机械与物理研究所 长春130033;中国科学院大学 北京100049%中国科学院长春光学精密机械与物理研究所 长春130033
AuthorAffiliation_xml – name: 中国科学院长春光学精密机械与物理研究所 长春130033;中国科学院大学 北京100049%中国科学院长春光学精密机械与物理研究所 长春130033
Author_FL ZHANG Xin
WANG Yong-Cheng
XU Dong-Dong
ZHANG Ning
Author_FL_xml – sequence: 1
  fullname: ZHANG Ning
– sequence: 2
  fullname: WANG Yong-Cheng
– sequence: 3
  fullname: ZHANG Xin
– sequence: 4
  fullname: XU Dong-Dong
Author_xml – sequence: 1
  fullname: 张宁
– sequence: 2
  fullname: 王永成
– sequence: 3
  fullname: 张欣
– sequence: 4
  fullname: 徐东东
BookMark eNotjz9Lw0AcQG-oYK1d_Qhuib9fLneXm0SK_6DgonO5XBK1SAoGUZxbo0M72cWCdio6OHSpNEP9Mr0mfgsDOr3tPd4GqcSdOCRkC8FGTj2607aVSmyNEoBihVTBYa7lIuPrpJ4klz4AIjgSsUp2zVu2zAarr6nJJuZzspyP85eu6Q_NvGdGi_wpLWY98_hQLN7zQfqT9lev3Xz8nH_Miu-RmQ43yVqkrpKw_s8aOTvYP20cWc2Tw-PGXtNKsIxZgjHlCAA_4kADLhS4gdLoepyGEAoque9JJkKplR_5UiPT1PNcYAK15hRojWz_eW9VHKn4vNXu3FzHZbF1H1zc-Q44gE75RX8BBKVhlA
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.c190031
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL A Review of Single Image Super-resolution Based on Deep Learning
EndPage 2499
ExternalDocumentID zdhxb202012001
GrantInformation_xml – fundername: 国家自然科学基金
  funderid: (11703027)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1011-755a2700bf603d67a04dac14863e0e7396b8957e9cabfb9c15c38840571cc6303
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 12
Keywords 生成对抗网络
卷积神经网络
深度学习
单幅图片超分辨率
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1011-755a2700bf603d67a04dac14863e0e7396b8957e9cabfb9c15c38840571cc6303
PageCount 21
ParticipantIDs wanfang_journals_zdhxb202012001
PublicationCentury 2000
PublicationDate 2020-12-01
PublicationDateYYYYMMDD 2020-12-01
PublicationDate_xml – month: 12
  year: 2020
  text: 2020-12-01
  day: 01
PublicationDecade 2020
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2020
Publisher 中国科学院大学 北京100049%中国科学院长春光学精密机械与物理研究所 长春130033
中国科学院长春光学精密机械与物理研究所 长春130033
Publisher_xml – name: 中国科学院大学 北京100049%中国科学院长春光学精密机械与物理研究所 长春130033
– name: 中国科学院长春光学精密机械与物理研究所 长春130033
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.3747683
SecondaryResourceType review_article
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 2479
Title 基于深度学习的单幅图片超分辨率重构研究进展
URI https://d.wanfangdata.com.cn/periodical/zdhxb202012001
Volume 46
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3NT9VAEG8QLnow-BW_5eCeyNNu2_06mfbRJzHqCQw30m5bOD0TgcRwBtEDnOQiiXIievDABQMH_GcoD_8LZ7b7aBESxUuz3Zmd7cxvuzuz3d06zkPoF3keFLSVqAK35LCkJSHqaHmZdn2VZ0WhcaPwi5d8fDJ4NsWmBgaHG6uWFubTR3rxzH0l_4Mq5AGuuEv2HMgeC4UMSAO-cAWE4fpPGJOYEdUhUUjiAK8yJjEnkSARRRLkhBwT4ZhJAI8ioUtiQRQwB0iSY0Qxw6yINAkVkShGHgk5gsSSRNySpCSSm5yYhNLwxIbHcIIoqF3FRrLAilSVUCgBS3VQONZFSfXPy75bjFSQEIamltAIh0SbqObzc0Ni_TZiJLWNQsAC1dKaUj1ZZMzhkkiawpIo94zCnISQ8E9QYmA1BoMy7eNEc4rE-3O5ieWCZ7VGHDPKg61pQwdFFGDgmZwAqX3SaF9jYcEM29REVsRj5xStEFIwNqIBpSroGOJZM0Mb8QzOkNMxqHLUFJsSRyFRX33ZbwsAIzYc1zCfhpeb9uKOnq4eP2VWx5DYEcdjQQsj-ubwaGeIbTfgNQe7oPoPkHWcIJBXZw7K0MX7ZlROEnjbKM6d09r9OF4UupjNvk0RPorr_C44Q54QuPJi6Gn0_FVY-_jgEqvGoMQUjDsNH5YzPGOxvhe4UqDxaR_ufb-OmfEHCrwxJwJGgQge5yQqd47h8VZmotbaxp78iko9PqGS2fbXLZLuTMNDnRh2LtvQciSs-okrzsDi7FXnUuPA0WvOk_LL3sHe2uGP7XJvq_y-dbC72fu0VK6ul7vL5cZ-78PK0c5y-f7d0f7X3trKr5XVw89Lvc2PvW87Rz83yu31685kJ55oj7fsL1RacxQ_fgjGElxakhbc9TMuEjfIEk0Dyf3czYWveCoVE7nSSVqkSlOmfSkxiKNac3BvbziD3dfd_KYzojOP55mnwUQa7OAqAa9A4muhMq4yRW85D6z607aLnJs-Centv3LccS7W7-9dZ3D-zUJ-D5z--fS-bQa_Aaqnubs
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%8D%95%E5%B9%85%E5%9B%BE%E7%89%87%E8%B6%85%E5%88%86%E8%BE%A8%E7%8E%87%E9%87%8D%E6%9E%84%E7%A0%94%E7%A9%B6%E8%BF%9B%E5%B1%95&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E5%AE%81&rft.au=%E7%8E%8B%E6%B0%B8%E6%88%90&rft.au=%E5%BC%A0%E6%AC%A3&rft.au=%E5%BE%90%E4%B8%9C%E4%B8%9C&rft.date=2020-12-01&rft.pub=%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E5%A4%A7%E5%AD%A6+%E5%8C%97%E4%BA%AC100049%25%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E9%95%BF%E6%98%A5%E5%85%89%E5%AD%A6%E7%B2%BE%E5%AF%86%E6%9C%BA%E6%A2%B0%E4%B8%8E%E7%89%A9%E7%90%86%E7%A0%94%E7%A9%B6%E6%89%80+%E9%95%BF%E6%98%A5130033&rft.issn=0254-4156&rft.volume=46&rft.issue=12&rft.spage=2479&rft.epage=2499&rft_id=info:doi/10.16383%2Fj.aas.c190031&rft.externalDocID=zdhxb202012001
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg