硕士开题最终选择基于深度学习的图像超分辨率作为课题，图像超分辨率也是个人觉得在深度学习层面一个能够扩展到工业界的一个很有效的切入点，所以写下一系列的博文对图像超分辨率问题进行一个很详细的解读。本文作为此系列的博客的开头，首先对超分辨率这一问题进行大体的说明。
图像超分辨率通俗的解释来讲，就是通过各种方法把一个或者一组低分辨率的图像扩展到高分辨的图像。对于分辨率大家可能很熟悉，在各大视频APP中，都会有视频清晰度的选项，普清、高清、超清、1080p等等，这些就是对应的图像分辨率，图像分辨率越高，我们眼睛接受到的信息量越大，对于细节的描述就更清楚，我们也能得到更好的感观体验。
Harris和Goodman分别于1964年和1968年分别提出图像分辨率复原，但是并没有被世人所重视，一直到Tsai提出低分辨率序列复原单帧高分辨率图像以后，超分辨率重建技术才开始得到日益广泛的研究。时至今日，超分辨率依然是计算机视觉领域非常火热的研究方向。
