摘要
随着数字图像处理技术的发展，图像超分辨率重建技术作为一种有效的图像增强手段，受到了广泛的关注和研究。
特别是基于卷积神经网络(CNN)的图像超分辨率重建方法，近年来取得了显著的进展，成为该领域的研究热点。
本文首先介绍了图像超分辨率重建和CNN的基本概念，然后梳理了基于CNN的图像超分辨率重建技术的发展历程，详细介绍了SRCNN、FSRCNN、VDSR、EDSR等经典模型及改进算法，并对不同方法的优缺点进行了分析比较。
此外，本文还总结了常用的图像超分辨率重建数据集和评价指标。
最后，对基于CNN的单幅图像超分辨率重建技术的未来发展趋势进行了展望。
关键词：图像超分辨率重建；卷积神经网络；深度学习；单幅图像超分辨率
图像超分辨率重建(ImageSuper-ResolutionReconstruction)是指从低分辨率(LR)图像中恢复出高分辨率(HR)图像的技术，旨在提高图像的分辨率和清晰度。
该技术在医学影像分析、视频监控、遥感图像处理等领域具有广泛的应用价值。
传统的图像超分辨率重建方法主要包括基于插值的方法、基于重建的方法和基于学习的方法。
基于插值的方法，例如最近邻插值、双线性插值和双三次插值，计算简单，但容易造成图像边缘模糊。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
