图像超分辨率深度学习 （综述 ）论文笔记

题目：Deep Learning for Image Super-Resolution

期刊：Neurocomputing

年份：2019

作者：Wenming Yang, Fei Zhou, Rui Zhu, Kazuhiro Fukui, Guijin Wang, Jing-Hao Xue

摘要:图像超分辨率(SR)的目标是从低分辨率(LR)输入图像或视频序列中恢复视觉上效果更好的高分辨率(HR)图像。 图片SR已经被证明是非常重要的 ，在视频监控、超高清晰度电视、低分辨率人脸识别和遥感成像等许多应用中具有重要意义。 受益于其广阔的应用前景，SR 已经引起了巨大的兴趣，目前是图像处理和计算机视觉领域最活跃的研究课题之一。 近年来，由于深度学习的快速发展，基于深度网络的SR已经在某些应用中表现出良好的性能。 然而，对于图像SR深度学习，仍然有许多具有挑战性的开放主题， 关于新的目标函数和新的网络架构，对于大规模图像和深度图像，以及具有各种类型腐败和新应用的图像。 这期专刊共收录了十篇最先进研究的论文 在深度学习SR的理论、算法、建模、系统和应用等方面，展示了相关研究人员的最新努力。