图像超分辨率重建是图像处理和计算机视觉领域的经典研究内容，在众多领域有着广泛的应用需求。近年来，随着以深度学习为代表的人工智能技术的快速发展，图像超分辨率重建技术亦得以变革更新并取得了显著进展。本书系统介绍图像超分辨率重建技术的基本概念、基本原理、基于深度学习的前沿方法和典型应用，内容紧跟学术和应用研究**进展，理论联系实际，可作为高等院校电子信息、自动化、计算机、仪器科学与技术、测绘科学与技术、遥感科学与技术、航空航天技术等相关专业的研究生和高年级本科生、科研人员、工程技术人员的参考书。

张浩鹏，北京航空航天大学副教授，分别于2008年和2014在北京航空航天大学获学士和博士学位。主讲《数字图像处理及应用》、《模式识别》、《机器学习基础》等本科和研究生课程。先后主持国家自然科学基金等国家级项目，在国内外学术期刊和会议上发表学术论文70余篇；以第一发明人授权发明专利11项。担任中国图象图形学学会视觉传感专委会委员，北京图象图形学学会理事、青年委员会副主任委员，IEEE和SPIE会员。

前言 图像超分辨率重建是利用单帧或多帧（视频）低分辨率的图像数据恢复高 分辨图像数据的处理技术，而且是图像处理和计算机视觉领域的经典研究内容与 重要研究方向。从医学影像的精细诊断到安防监控的细节捕捉，从文化遗产的数 字化保护到遥感图像的高精度解析，图像超分辨率技术的应用场景无处不在。然 而，传统的超分辨率重建方法往往受限于计算复杂度、细节恢复能力以及对噪声 的敏感性，难以满足现代应用场景中对高质量图像的迫切需求。近年来，深度学 习技术的崛起为图像超分辨率重建带来了前所未有的机遇。基于深度学习超分辨 重建模型不仅能够学习图像的复杂结构和纹理特征，还能够通过大规模数据训练 实现高效的特征提取和重建，从而显著提升图像的分辨率和视觉质量。 本书旨在系统性地介绍基于深度学习的图像超分辨率重建技术及其应用。首 先阐述了超分辨率重建技术的背景和产生条件，介绍了图像超分辨率重建的基本 概念，对技术发展情况和学术研究情况进行了简要的描述和概括；接着详细阐述 了图像超分辨率重建内容的理论基础，针对单帧和多帧图像阐述了超分辨率的重 建原理及流程，介绍了近些年来超分辨率领域内通用的图像质量评价方式；进一 步详细介绍了一些应用于超分辨率重建领域的深度学习方法理论，包括卷积神经 网络、生成式对抗网络、自编码器、循环神经网络等经典深度学习方法；聚焦基于 深度学习的图像超分辨率重建技术，介绍了有监督、无监督、弱监督的图像超分辨 率重建方法，同时从超分任务角度对多帧图像超分辨率重建方法进行了详述，从 深度学习理论角度介绍了可解释的深度学习图像超分辨率重建方法；最后，介绍...