对深度学习方法进行全面的审查,以实现单图像超分辨率
Zirun Liu1,2, Shijie Jiang3, Shuhan Feng3
1Longmen Laboratory, Luoyang 471000, China.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
基于深度学习的单图像超分辨率 (SISR) 通过克服系统限制来提高图像分辨率. 这一综述为理解SISR提供了一个框架.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 单图像超分辨率 (SISR) 解决了成像系统的物理限制,以提高分辨率.
- 深度学习方法已经成为推进SISR技术的核心.
研究的目的:
- 系统地引入基于深度学习的SISR方法.
- 为SISR提出一个以方法为导向的分类框架.
- 探索SISR的理论基础,技术发展和特定领域的应用.
主要方法:
- 提出了一个以方法为导向的分类框架.
- 分析了关键的技术组件,如数据集,升级采样策略,目标函数和质量评估.
- 将经典SISR模型重建结果进行比较.
主要成果:
- 介绍了SISR的系统知识框架.
- 深入分析基准数据集,多尺度上抽样和客观功能的优化.
- 建立的SISR模型的比较评估.
结论:
- 该审查提供了基于深度学习的SISR的全面概述.
- 确定局限性,并提出SISR的未来研究方向.
- 为推进SISR技术提供了重要的参考价值.
