图像超分辨的几种方法

最新推荐文章于 2023-12-27 01:46:47 发布

yuehuihui00

最新推荐文章于 2023-12-27 01:46:47 发布

阅读量8.5k

点赞数 2

分类专栏：超分辨

本文链接：https://blog.csdn.net/yuehuihui00/article/details/106698108

版权

本文介绍了图像超分辨的几种方法，包括最近邻、双线性、双三次插值以及深度学习方法如SRCNN、TNRD和ESPCN。SRCNN在双三次插值后加入三层网络，TNRD基于扩散方程解决图像平滑与超分辨，而ESPCN利用子像素卷积实现实时超分辨。ESPCN使用tanh激活函数，优于ReLU的效果。

摘要由CSDN通过智能技术生成

当前看了几种图像超分辨的方法，本篇博客主要介绍 最近邻插值算法、双线性插值算法、双三次插值算法(bicubic interpolation)、SRCNN、TNRD、ESPCN 几种方法。
为了方便归纳，这里借鉴一下其他几个博主的相关总结。。

1.最近邻插值算法、双线性插值算法、双三次插值算法(bicubic interpolation) 请参阅博客 https://blog.csdn.net/nandina179/article/details/85330552

2.SRCNN 方法请参阅博客 https://blog.csdn.net/Autism_/article/details/79401798

（SRCNN就是对利用双三次插值算法降采样并恢复的图像进行 Conv（9 * 9）+relu——conv（1 * 1）+relu——conv（5*5）的操作，该过程实际上并没有改变输入和输出图像的大小，个人理解就是在双三次插值的后面加了一个三层的网络）

3.TNRD 该方法是以扩散方程（P-M方程）为基础的一种应用于Gaussian image denoising, single image super resolution， JPEG deblocking 的方法。
下面说一下个人的理解。
对于P-M扩散方程：
在这里插入图片描述
主要用于对实现图像的平滑，其具体的来源可以参见博客 htt