摘要：

我们提出了一种用于单张图像超分辨率（SR）的深度学习方法。我们的方法在低分辨率和高分辨率图像上直接学习端到端的映射.这种映射被表示为一种深度卷积神经网络（DCNN），它将低分辨率图像作为输入并且把高分辨率图像作为输出。我们进一步表明，基于传统的稀疏编码的超分辨率方法可以被描述为一个深度卷积网络。但和传统的方法并不一样，传统的方法在处理每个模块是分离开的，我们的方法是同时优化多个层。我们的深度卷积神经网络是一个轻量级的结构，同时也证明了在当前情况下的重建质量，并且在线实践使用中可以达到很快的速度。我们尝试了不同的网络架构和设置参数，以达到性能和速度的一种平衡。另外，我们扩展了我们的网络并用来处理三个通道，同时显示出更好的整体重建质量。

---------------------

索引术语：超分辨率，深度卷积神经网络，稀疏编码

介绍：

单张图像超分辨率是计算机视觉的一个经典问题，旨在从单张的低分辨率图像恢复成高分辨率图像。