srcnn超分辨率

CONTRIBUTE:
1、提供了一个卷积神经网络做图像超分辨率方法，该方法端到端的直接学习LR-HR图像，不需要复杂的预处理或者后处理。
2、对传统的稀疏字典SR和深度学习SR做了分析估计，这个估计有助于指导设计网络结构。
3、证明了深度学习在SR领域是有效的，并且速度和质量都不错。

STEP:

1、LR块字典
2、HR块字典
3、非线性映射函数
4、块减去均值的预处理和生成块结果平均的后处理

METHOD:

    　流程图大致如下：　
    1、训练图像中，将LR图像切片成33x33大小图像块，切片步长为14；
       将对应HR图像切片成21X21大小图像块，步长一样为14。

　　2、第一层卷积：
      输入LR图像块，卷积核为:cxf1xf1xn1。
      c为输入图像通道数，Y的话，c为1。
      f1为卷积核size，可以设置为9
      n1为当前卷积层输出深度，可以设置为：64

　　3、第二层卷积(非线性映射)
      输入为前一卷积层的输出，当前层卷积核为:n1x1x1xn2
      n1为前一个卷积层输出数据深度
      n2位当前层输出数据深度，这里可以设置为32

　　4、第三次卷积层(重建)
      输入为第二卷积层输出，当前层卷积核为：n2xf3xf3xc
      n2为前一个卷积层输出数据深度
      f3为卷积核size，可以设置为5
      c为重建后HR图像通道数，和输入图像通道数保持一致。