【超分辨率】超分辨率重建技术之SRCNN

专栏【超分辨率】

目录

• 1、前言
• 2、网络结构

1、前言

超分辨率重建技术(Super-Resolution)：是指从观测到的低质量、低分辨率图像重建出相应的高质量、高分辨率图像。高分辨率图像意味着图像具有更多的细节信息、更细腻的画质，这些细节在高清电视、医学成像、遥感卫星成像等领域有着重要的应用价值。

超分辨率方法：可分为两类，从多张低分辨率图像重建出高分辨率图像、从单张低分辨率图像重建出高分辨率图像。基于深度学习的超分辨率，主要是基于单张低分辨率的重建方法，即Single Image Super-Resolution (SISR)。

超分辨率重建的发展历程：【超分辨率】超分辨率重建技术（Super-Resolution）——从 SRCNN 到 WDSR

Image Super-Resolution Using Deep Convolutional Networks：这个文章是深度学习在图像超分辨率重建问题的开山之作SRCNN，历史意义重大，虽然年代久远，但是也是值得借鉴的。

论文翻译：【超分辨率】Image Super-Resolution Using Deep Convolutional Networks论文翻译

官方代码(MATLAB和caffe)：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

复现代码(TensorFlow)：https://github.com/tegg89/SRCNN-Tensorflow

2、网络结构

https://blog.csdn.net/Autism_/article/details/79401798#commentBox

标签：Super,分辨率,SRCNN,图像,Resolution,重建
来源： https://blog.csdn.net/TeFuirnever/article/details/90742213