超分辨率专题 | 3 种方法、4 个教程、10 个数据集，一文 Get 核心知识点
原文中文，约6300字，阅读约需15分钟。
📝
内容提要
超分辨率技术通过算法将低分辨率图像提升到高分辨率，解决了监控摄像头图像模糊的问题。超分辨率方法分为插值、重构和学习三类。深度学习是主流方法，如SRCNN网络模型。超分辨率技术在公共安防、医学诊断、卫星遥感和数字娱乐等领域应用广泛。
❓
Q&A
超分辨率技术的主要应用领域有哪些？
超分辨率技术广泛应用于公共安防、医学诊断、卫星遥感和数字娱乐等领域。
超分辨率方法主要分为哪三类？
超分辨率方法主要分为插值、重构和学习三类。
深度学习在超分辨率技术中的作用是什么？
深度学习是超分辨率领域的主流方法，通过训练数据学习低分辨率与高分辨率之间的映射关系。
插值法是如何提高图像分辨率的？
插值法通过在图像原有像素周围插入新像素并赋值，从而恢复图像内容，提高分辨率。
超分辨率技术如何帮助公共安防？
超分辨率技术可以帮助提取清晰的人脸和车牌信息，提高案件侦破的效率。
有哪些公开的超分辨率数据集可供使用？
公开的超分辨率数据集包括MSU超分辨率数据集、DRealSR超分辨率图像数据集和DIV2K单图像超分辨率数据集等。
🏷️
