摘要：深度学习是机器学习的重要分支，近年来，受到了国内外研究者的广泛关注和青睐。超分辨率是计算机视觉领域中的经典应用，目标是通过观测到的低分辨率图像重建出对应的高分辨率图像。该文简单阐述了超分辨率的原理，简单介绍了传统的图像超分辨率和基于深度学习的图像超分辨率重建方法。而且简述了超分辨率常用的评价指标，最后进行了总结。将深度学习思想结合到图像超分辨率重建工作中，取得了较好的图像重建精度。

关键词：深度学习;超分辨率;重建

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2020）29-0191-02

超分辨率重建技术在军事、公共安全、卫星图像遥感、视频复原和医学影像等领域都有着非常重要的研究价值。超分辨率图像主要分为两种情况：一种是使用单幅图像来重建出高分辨率的图像;另一种是通过多幅图像来重建出高分辨率图像。单幅图像的超分辨率重建是一个逆问题，即对于一个低分辨率图像，可能存在许多不同的高分辨率图像，因此通常在求解高分辨率图像时会增加一些先验信息进行规范化约束。在传统的方法中，先验信息可以通过若十成对出现的低一高分辨率图像中学习到。而基于深度学习的图像超分辨率图像重建通过神经网络直接学习分辨率图像到高分辨率图像的端到端的映射函数。深度学习已经广泛应用到图像超分辨率重建中，它可以从大量数据中学习到有用的特征表示，从而有效提升图像的重建效果。……