1. 研究目的与意义（文献综述）

图像超分辨率重建是计算机视觉的一个重要分支，应用领域十分宽广，在医学影像技术、公共监控设施、刑事案件侦查、卫星遥感影像和军事红外影像等领域都有着十分宽广的应用前景。高分辨率图像相比于低分辨率图像细节纹理更丰富，单位像素密度更高，能够显示出更多图像内包含的细节部分的信息

从图像超分辨率的处理目标的角度来看，它可以分成两类：一类是基于连续的低分辨率图像序列或视频重建出高分辨率图像或视频（multiple image super resolution，misr）；一类是基于单幅低分辨率图像重建出单幅高分辨率图像（single image super resolution，sisr）。

2. 研究的基本内容与方案

主要内容：

本毕业设计的主要内容在对于以往经典的图像超分辨率算法和对于最近较为流行的基于深度学习方法的图像超分辨率算法（例如：srcnn和srgan）进行效果上的一些对比。研究深度学习相关算法能够取得好的效果的原因。然后结合深度学习研究方面的一些趋势，对近年来应用在图像超分辨率上的深度学习的算法提出一些自己的改进措施，使得最终算法在图像超分辨率的效果上和在一些关键性的指标上取得更好的效果。

3. 研究计划与安排

完成任务的时间节点：

(1)1～2周：阅读和消化资料，提出毕设方案,写出开题报告；

(2)3～4周：通过翻译相关的英文论文，学习超分辨方法；

4. 参考文献（12篇以上）

1.dongc , loy c c , he k , et al. image super-resolution using deep convolutionalnetworks[j]. ieee trans pattern anal mach intell, 2014, 38(2):295-307.

2.kimj, lee j k, lee k m. deeply-recursive convolutional network for imagesuper-resolution[j]. 2015.