Deep Learning for Image Super-resolution: A Survey
摘要： 圖像超分辨率(SR)是提高計算機視覺中圖像和視頻分辨率的一類重要圖像處理技術。近年來，利用深度學習技術實現圖像超分辨率技術取得了顯著進展。在調查中，我們的目的是給出在一個系統的方式中使用深度學習方法來實現圖像超分辨率的最新進展。我們可以將現有的SR技術研究大致分為三類 有監督的SR ...
原文：深度學習超分辨率綜述閱讀筆記【Deep Learning for Image Super-resolution: A survey】
這篇綜述主要介紹目前深度學習領域超分辨率問題的一些方法。首先介紹了圖像超分辨率問題以及問題的評價標准，之后重點介紹了監督學習領域的幾大關鍵，包括上采樣方法 網絡結構 學習策略 其他優化策略等。並且分析了各種不同方法的優缺點。之后介紹了無監督學習的一些方法，最后給出了一些未來可能的研究方向。 圖像超分辨率問題 Image super resolution, SR 從低分辨率 LR 的圖像中恢復出高分 ...
2020-07-09 13:49 0 1878 推薦指數：
相關推薦
使用深度學習的超分辨率介紹 An Introduction to Super Resolution using Deep Learning
使用深度學習的超分辨率介紹 關於使用深度學習進行超分辨率的各種組件，損失函數和度量的詳細討論。 介紹 超分辨率是從給定的低分辨率（LR）圖像恢復高分辨率（HR）圖像的過程。由於較小的空間分辨率（即尺寸）或由於退化的結果（例如模糊），圖像可能具有“較低分辨率”。我們可以通過以下 ...
Image Super-Resolution via Sparse Representation——基於稀疏表示的超分辨率重建
經典超分辨率重建論文，基於稀疏表示。下面首先介紹稀疏表示，然后介紹論文的基本思想和算法優化過程，最后使用python進行實驗。 稀疏表示 稀疏表示是指，使用過完備字典中少量向量的線性組合來表示某個元素。過完備字典是一個列數大於行數的行滿秩矩陣，也就是說，它的列向量有無數種線性組合來表達 ...
基於稀疏表示的圖像超分辨率《Image Super-Resolution Via Sparse Representation》
由於最近正在做圖像超分辨重建方面的研究，有幸看到了楊建超老師和馬毅老師等大牛於2010年發表的一篇關於圖像超分辨率的經典論文《ImageSuper-Resolution Via Sparse Representation》，於是對該論文進行大概的翻譯，如有不當之處，還請大家幫忙多多指正 ...
【超分辨率】—圖像超分辨率(Super-Resolution)技術研究
一、相關概念 1.分辨率 圖像分辨率指圖像中存儲的信息量，是每英寸圖像內有多少個像素點，分辨率的單位為PPI(Pixels Per Inch)，通常叫做像素每英寸。一般情況下，圖像分辨率越高，圖像中包含的細節就越多，信息量也越大。圖像分辨率分為空間分辨率和時間分辨率。通常，分辨率被表示成每一個 ...
Deep Unfolding Network for Image Super-Resolution【USRNet】【閱讀筆記】
CVPR20的文章，感覺想法挺棒的。 超分問題可以定義為$y=(x\otimes k)\downarrow_s+n$.他通常有兩大類解決方法，早期通常是使用model-based方法。基於一些模型，比如MAP（最大后驗概率）進行計算。在MAP的框架下，超分辨率重建是一個基於馬爾科夫 ...
超分辨率重建經典方法 Super-Resolution Through Neighbor Embedding
該算法受到了最近的（manifold learning）流行學習算法的啟發，特別是局部線性嵌入（LLE）。我們運用局部重疊來增強重建高分圖像塊之間的兼容性和平滑約束。具體來說，高分和低分圖像塊在兩個不同的特征空間中形成了類似局部幾何的流形。就像LLE中，局部幾何結構特征是通過 一個塊（patch ...
"Zero-Shot" Super-Resolution using Deep Internal Learning【ZSSR】【閱讀筆記】
項目地址：http://www.wisdom.weizmann.ac.il/~vision/zssr/ 之前利用深度學習構建的SR模型都是有監督學習，利用了大量的外部信息。但是由於這些LR-HR對大部分是通過對HR進行downscale而得到的，因此與實際的LR-HR對的關系有一定的差距 ...