基于深度字典的图像超分辨率

自 Dong 等人首次取得成功以来，基于深度学习的方法已在单图像超分辨率领域占据主导地位。该方法用深度神经网络替代了传统基于稀疏编码方法的所有手工图像处理步骤。与显式构建高/低分辨率字典的基于稀疏编码的方法不同，基于深度学习的方法中的字典是作为多次卷积的非线性组合被隐式获取的。基于深度学习的方法的一个缺点是，对于以不同于训练数据集的方式创建的图像（域外图像），其性能会下降。我们提出了一种具有深度字典的端到端超分辨率网络（SRDD），其中显式学习高分辨率字典而不牺牲深度学习的优势。大量实验表明，高分辨率字典的显式学习使网络对域外测试图像更加鲁棒，同时保持了域内测试图像的性能。