Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Length and Width Feature Extraction Method of Ship Target Based on IR Image Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Single-Image Super-Resolution: A Survey

verfasst von : Tingting Yao, Yu Luo, Yantong Chen, Dongqiao Yang, Lei Zhao

Erschienen in: Communications, Signal Processing, and Systems

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Single-image super-resolution has been broadly applied in many fields such as military term, medical imaging, etc. In this paper, we mainly focus on the researches of recent years and classify them into non-deep learning SR algorithms and deep learning SR algorithms. For each classification, the basic concepts and algorithm processes are introduced. Furthermore, the paper discusses the advantages and disadvantages of different algorithms, which will offer potential research direction for the future development of SR.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Color Correction Method for Digital Camera Based on Variable-Exponent Polynomial Regression
Nächstes Kapitel Research on Infrared Sequential Image Generation Techniques in Pure Background
Literatur
1.
Ahmed J, Shah MA. Single image super-resolution by directionally structured coupled dictionary learning. Eurasip J Image Video Process. 2016;1:36.
2.
Ahmed J, Klette R. Coupled multiple dictionary learning based on edge sharpness for single-image super-resolution. In: International conference on pattern recognition. IEEE; 2017.
3.
Chang H, Yeung DY, Xiong Y. Super-resolution through neighbor embedding.  Proc Comput Vis Pattern Recogn. 2004;1:I-275–82.
4.
Dong C, et al. Image super-resolution using deep convolutional networks. IEEE Trans Pattern Anal Mach Intell. 2016;38(2):295–307.CrossRef
5.
Freeman WT, Jones TR, Pasztor EC. Example-based super-resolution. Comput Graph Appl. 2002;2:56–65 (IEEE22.).CrossRef
6.
Gu S, et al. Convolutional sparse coding for image super-resolution. In: IEEE international conference on computer vision. IEEE; 2015. p. 1823–31.
7.
Huang JB, Singh A, Ahuja N. Single image super-resolution from transformed self-exemplars. Comput Vis Pattern Recogn. 2015:5197–206.
8.
Kim J, Lee JK, Lee KM. Accurate image super-resolution using very deep convolutional networks. Comput Vis Pattern Recogn. 2016:1646–54.
9.
Kim J, Lee JK, Lee KM. Deeply-recursive convolutional network for image super-resolution. Comput Vis Pattern Recogn. 2016:1637–45.
10.
Krishnan D, Fergus R. Fast image deconvolution using hyper-Laplacian priors. In: International conference on neural information processing systems Curran Associates Inc.; 2009. p. 1033–41.
11.
Li X, et al. Single image super-resolution via subspace projection and neighbor embedding.  Neurocomputing. 2014;139:310–20.CrossRef
12.
Liang Y, et al. Incorporating image priors with deep convolutional neural networks for image super-resolution. Neurocomputing. 2016;194:340–7.CrossRef
13.
Song S, et al. Joint sub-band based neighbor embedding for image super-resolution. In: IEEE international conference on acoustics, speech and signal processing. IEEE; 2016. p. 1661–5.
14.
Sun X, Xiao-Guang LI, Jia-Feng LI, et al. Review on deep learning based image super-resolution restoration algorithms. Acta Automatica Sin. 2017;43(5):697–709.
15.
Timofte R, Rothe R, Gool LV. Seven ways to improve example-based single image super resolution; 2015. p. 1865–73.
16.
Timofte R, Smet VD, Gool LV. A+: Adjusted anchored neighborhood regression for fast super-resolution. In: Asian conference on computer vision. Springer, Cham; 2014. p. 111–26.
17.
Wang Z, Yang Y, Wang Z, et al. Learning super-resolution jointly from external and internal examples. IEEE Trans Image Process. (A Publication of the IEEE Signal Processing Society). 2015;24(11):4359.MathSciNetCrossRef
18.
Yang J, et al. Image super-resolution via sparse representation. IEEE Trans Image Proces. 2010;19(11):2861–73.
19.
Yang W, et al. Deep edge guided recurrent residual learning for image super-resolution. IEEE Trans Image Process (A Publication of the IEEE Signal Processing Society). 2016;26(12):5895–907.MathSciNetCrossRef
20.
Yang W, et al. Image super-resolution via nonlocal similarity and group structured sparse representation. Vis Commun Image Process. 2016:1–4.
21.
Zhang Y, et al. Image super-resolution based on, structure-modulated sparse representation. IEEE Trans Image Process. 2015;24(9):2797–810.MathSciNetCrossRef
Metadaten
Titel
Single-Image Super-Resolution: A Survey
verfasst von
Tingting Yao
Yu Luo
Yantong Chen
Dongqiao Yang
Lei Zhao
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Communications, Signal Processing, and Systems

Print ISBN: 978-981-13-6503-4

Electronic ISBN: 978-981-13-6504-1

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-13-6504-1_16

Neuer Inhalt

    Bildnachweise