图像超分辨率重构(一)原理及方法总结
来源:互联网 发布:java培优班 教哪些内容 编辑:程序博客网 时间:2024/05/18 03:39
超分辨率(Super-resolution)概念理解:
wiki:超分辨率成像(SR-imaging)是提高成像系统分辨率的一类技术。光学SR技术可以超越系统的衍射极限,而几何SR则可以提高数字成像传感器的分辨率。超分辨率成像技术广泛应用于图像处理和超分辨显微术中。
形象理解:
给定图像的像素越高,表示图像质量越接近于原始图像。如果把低像素的图片放大到一定程度,图片会变得非常模糊,类似于马赛克的情况。效果如下图所示:
如果想让上述图像变得清新,这是需要的技术就是超分辨率重构了。
超分辨率重构现有方法:
在知乎上有看到一个帖子:图像超分辨率重构技术还有什么可研究吗?以本人的理解,任何一项技术都有研究和提高的余地,技术进步不就是这样一点点来的吗?闲话少叙,总结下现有的SR技术方法,并附找到的项目链接:
(1)稀疏编码方法(Sparse Coding)
- Image super-resolution as sparse representation of raw image patches (CVPR2008)
- 基于原始图像块稀疏表示的图像超分辨率
- Image super-resolution via sparse representation (TIP2010)
- Coupled dictionary training for image super-resolution (TIP2011)
- Single Image Super-Resolution from Transformed Self-Exemplars (CVPR2015)
- Naive Bayes Super-Resolution Forest (ICCV2015)
(4)基于金字塔算法
- http://vllab.ucmerced.edu/wlai24/LapSRN/
(5)深度学习方法(近几年文章很多啊)
- Image Super-Resolution Using Deep Convolutional Networks (ECCV2014)
- Deep Networks for Image Super-Resolution with Sparse Prior (ICCV2015)
- Robust Single Image Super-Resolution via Deep Networks with Sparse Prior (TIP2016)
- Accurate Image Super-Resolution Using Very Deep Convolutional Networks (CVPR2016)
- Deeply-Recursive Convolutional Network for Image Super-Resolution (CVPR2016)
- Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network (CVPR2016)
- Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution (CVPR 2017),
- Enhanced Deep Residual Networks for Single Image Super-Resolution (Winner of NTIRE2017 Super-Resolution Challenge)
关于深度学习在超分辨率重建中的应用:https://zhuanlan.zhihu.com/p/25532538?utm_medium=social&utm_source=weibo
给出了几种实现方法及介绍,github里面相应的项目实现。另外还发现一篇有点尺度的文章《用GAN去除(爱情)动作片中的马赛克和衣服》,感兴趣的请参见这里。
(6)Perceptual Loss and GAN(损失函数上改进)
- Perceptual Losses for Real-Time Style Transfer and Super-Resolution (ECCV2016)
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (CVPR2017)
(7)Google基于哈希机制的实现
- 《RAISR: Rapid and Accurate Image Super Resolution》
分析:http://blog.csdn.net/jiangjieqazwsx/article/details/69055753
(8)视频SR
- https://users.soe.ucsc.edu/~milanfar/software/superresolution.html
- Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation (CVPR2017)
小结:SR使用稀疏编码方法取得的方法已经堪称state-of-the-art级别,深度学习出现后又将效果进一步提升。
11.15增补:
今天看到一篇论文:《Super-Resolution From a Single Image 》(http://www.wisdom.weizmann.ac.il/~vision/SingleImageSR.html),http://cs.brown.edu/courses/csci1950-g/results/final/pachecoj/ ,
另外附几个相关网页:
https://people.mpi-inf.mpg.de/~kkim/supres/supres.htm
《Example-Based-Super-Resolution-Freeman》
参考:
https://en.wikipedia.org/wiki/Super-resolution_imaging
https://www.zhihu.com/question/38637977
https://github.com/huangzehao/Super-Resolution.Benckmark
https://zhuanlan.zhihu.com/p/25532538
- 图像超分辨率重构(一)原理及方法总结
- 图像超分辨率近两年几篇优秀论文及代码
- 超分辨率图像理解
- 彩色图像超分辨率
- 图像超分辨率重建
- 图像超分辨率技术
- 超分辨率知识总结
- 分辨率与超分辨率图像重建
- 分辨率与超分辨率图像重建
- 图像超分辨率技术简述
- 图像超分辨率重建简介
- 图像超分辨率重建简介
- 图像超分辨率技术简述
- 图像超分辨率去除锯齿
- 图像滤波常见方法原理总结及VC下实现
- 图像滤波常见方法原理总结及VC下实现
- 图像滤波常见方法原理总结及VC下实现
- 图像滤波常见方法原理总结及VC下实现
- 九九乘法表
- Zookeeper使用Ant 编译源代码报错
- writeObject()和writeUnshared()的区别
- 1030. Travel Plan (30)
- 用递归和非递归方式实现二叉树先序、中序和后序遍历
- 图像超分辨率重构(一)原理及方法总结
- 5.9
- C++中String类的实现
- Arduino在Mac系统下的配置说明
- 最大似然函数
- 微服务学习笔记系列-Spring Cloud优质项目推荐
- 汇编语言第七章学习笔记——更灵活的定位内存地址的方法
- 函数
- Netflix Archaius 分布式配置管理依赖构件