【論文閱讀】Image Super-Resolution Using Deep Convolutional Networks

摘要：

咱們提出了一種用於單張圖像超分辨率（SR）的深度學習方法。咱們的方法在低分辨率和高分辨率圖像上直接學習端到端的映射.這種映射被表示爲一種深度卷積神經網絡（DCNN），它將低分辨率圖像做爲輸入而且把高分辨率圖像做爲輸出。咱們進一步代表，基於傳統的稀疏編碼的超分辨率方法能夠被描述爲一個深度卷積網絡。但和傳統的方法並不同，傳統的方法在處理每一個模塊是分離開的，咱們的方法是同時優化多個層。咱們的深度卷積神經網絡是一個輕量級的結構，同時也證實了在當前狀況下的重建質量，而且在線實踐使用中能夠達到很快的速度。咱們嘗試了不一樣的網絡架構和設置參數，以達到性能和速度的一種平衡。另外，咱們擴展了咱們的網絡並用來處理三個通道，同時顯示出更好的總體重建質量。

---------------------

索引術語：超分辨率，深度卷積神經網絡，稀疏編碼

介紹：

單張圖像超分辨率是計算機視覺的一個經典問題，旨在從單張的低分辨率圖像恢復成高分辨率圖像。