摘要

我们提出了一种用于单图像超分辨率（SR）的深度学习方法。该方法直接学习低分辨率图像与高分辨率图像之间的端到端映射关系。该映射关系由一个深度卷积神经网络（CNN）表示，该网络以低分辨率图像作为输入，输出高分辨率图像。我们进一步表明，传统的基于稀疏编码的超分辨率方法也可以被视为一种深度卷积网络。但与传统方法分别处理每个组件不同，我们的方法联合优化了所有层。我们的深度CNN具有轻量级结构，却展示了最先进的恢复质量，并且实现了快速的速度，适用于实际在线应用。我们探索了不同的网络结构和参数设置，以在性能和速度之间取得平衡。此外，我们将网络扩展为同时处理三个颜色通道，并展示了更好的整体重建质量。