超分辨率重构之SRCNN整理总结(一)

超分辨率（Super Resolution,SR）

• 含义：

        图像超分辨率重构是指利用计算机将一幅低分辨率图像(low resolution,LR)或图像序列进行处理，恢复出高分辨率图像(high resolution，HR)的一种图像处理技术。或者说，是通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。HR意味着图像具有高像素密度，可以提供更多的细节，这些细节往往在应用中起到关键作用。超分辨率是计算机视觉的一个经典应用。

• 应用价值：

        监控设备、卫星图像遥感、数字高清、显微成像、视频编码通信、视频复原和医学影像等领域都有重要的应用价值。

• 分类：超分辨率分为以下两种：

        【1】Image SR

        只参考当前低分辨率图像，不依赖其他相关图像的超分辨率技术，称之为单幅图像的超分辨率(SISR)。

        【2】Video SR

        靠多幅图像或多个视频帧的超分辨率技术，称之为多帧视频/多图的超分辨率(multi-frame super resolution)。
        核心思想：就是用时间带宽换取空间分辨率。简单来讲，就是在无法得到一张超高分辨率的图像时，可以多取相邻几帧，然后将这一系列低分辨率的图像组成一张高分辨的图像。
        两者区别:一般来讲Video SR相比于Image SR具有更多的可参考信息，并具有更好的高分辨率视频图像的重建质量，但是其更高的计算复杂度也限制了其应用。

        问题：SISR是一个逆问题，对于一个低分辨率图像，可能存在许多不同的高分辨率图像与之对应，因此通常在求解高分辨率图像时会加一个先验信息进行规范化约束。在传统的方法中，这个先验信息可以通过若干成对出现的低-高分辨率图像的实例中学到。而基于深度学习的SR通过神经网络直接学习分辨率图像到高分辨率图像的端到端的映射函数。