典型文献
深度学习的图像超分辨率重建技术综述
文献摘要：
图像超分辨率重建技术的本质是突破现有硬件条件的限制,通过算法将低分辨率图像重建为高分辨率图像,获得包含更多信息的图像的技术.随着深度学习理论和技术的迅速发展,深度学习被引入到超分辨率重建领域并取得了进展.对基于深度学习的图像超分辨率重建算法进行了全面总结,并对已有算法进行了分类、分析和比较.首先,详细介绍了单图像超分辨率重建模型的组成结构,包括超分框架、上采样方法、非线性映射学习模块以及损失函数等.其次,从图像对齐和Patch匹配两方面出发,对现有的基于参考的图像超分辨率重建算法进行了分析.然后,介绍了图像超分辨重建领域的benchmark数据集以及图像质量评估参数,对目前主流算法的性能进行了评估.最后,对基于深度学习的图像超分辨率重建算法的未来研究趋势进行了展望.
文献关键词：
超分辨率重建;深度学习;单图像;基于参考;图像对齐
中图分类号：
作者姓名：
杨才东;李承阳;李忠博;谢永强;孙方伟;齐锦
作者机构：
军事科学院 系统工程研究院,北京 100141;北京大学 信息科学与技术学院,北京 100871
文献出处：
引用格式：
[1]杨才东;李承阳;李忠博;谢永强;孙方伟;齐锦-.深度学习的图像超分辨率重建技术综述)[J].计算机科学与探索,2022(09):1990-2010
A类：
B类：
重建技术,技术综述,技术的本质,硬件条件,低分辨率图像,图像重建,高分辨率图像,多信息,深度学习理论,重建算法,单图像超分辨率重建,组成结构,上采样,采样方法,非线性映射,学习模块,损失函数,图像对齐,Patch,基于参考,图像超分辨重建,benchmark,图像质量评估,评估参数,流算法,研究趋势
AB值：
0.2382
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
