摘要: 本文提出了一种基于可逆神经网络的单一图像超分辨率算法.最近提出的基于深度神经网络的单一图像超分辨率模型都是利用生成的超分辨率图像和对应的高分辨率图像之间的差异定义目标函数以及更新模型参数，这些模型仅利用了超分辨率正向过程中高分辨率图像对于低分辨率图像的依赖，并没有建立低分辨率图像与高分辨率图像之间的相互依赖.本文提出的超分辨可逆网络利用具有可逆结构的神经网络建立低分辨率图像与高分辨率图像之间的相互依赖，它能够将低分辨率图像和高分辨率图像分别投影到相互的图像空间之中，然后利用两个投影的误差反馈来优化模型在低分辨率和高分辨率图像空间的相互映射，基于模型的可逆特性，实现从正向和逆向两个过程分别对超分辨率过程的优化.通过实验，提出的模型在超分辨率基准数据集上取得了优异的结果.
关键词: 深度学习