轻量级图像超分辨率研究综述

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：朱新峰, 宋健

单位：扬州大学 信息工程学院，江苏 扬州 225000

摘要：基于深度学习的图像超分辨率（super-resolution，SR）受到广泛关注，其目的是提高图像的分辨率，以便对图像做进一步的处理，如目标检测、图像分类和人脸识别等。图像SR领域相关研究近年来取得了迅猛发展，但有关轻量级SR模型的相关综述还不多见。对基于深度学习的轻量级SR方法研究现状和损失函数进行了分析，并对目前轻量级SR方法进行了新的分类，分别为传统卷积方法和注意力机制方法。系统梳理了图像轻量级SR方法的发展历程和最新进展，指出了每一种方法存在的优势和缺陷。最后对当前轻量级SR技术存在的问题进行了分析，并给出了轻量级图像SR方法未来的研究方向。

关键词：图像超分辨率,轻量级,深度学习,卷积神经网络,注意力机制