研究方向:图像超分辨率

发布日期:2017年08月27日 阅读次数:95

一、基于GAN的单帧图像超分辨率算法研究

1、任务描述

单帧图像超分辨率(Single Image Super-Resolution,SISR)算法的主要任务是根据一幅给定的低分辨率(low-resolution,LR)图像重建出对应的高分辨率(high-resolution,HR)图像。

 

2、基于插值的图像超分辨率方法

基于插值的超分辨率算法的基本思想就是通过利用相邻像素来估计当前像素值,最常用的有最近邻插值、双线性插值以及双三次插值。

3、基于深度学习的图像超分辨率方法

基于深度学习的高分辨率图像算法是通过一系列低分辨率图像和与之对应的高分辨率图像作为训练数据,学习一个从低分辨率图像到高分辨率图像的映射函数。一般情况下,这个函数通过卷积神经网络来表示。

4、生成式对抗网络(GAN)在图像超分辨率的应用

生成器根据输入的低分辨率图像,输出尽可能自然真实的高分辨率的图像。判别器会被训练来分辨图像是真实的图像还是生成的高分辨率图像。当图像的放大倍数较大时,很容易使得到的图像显得过于平滑,而缺少一些细节上的真实感,使用GAN可以使得生成图像中的细节部分更加真实。