超分辨這壹概念最早是在20世紀60年代，是指從低分辨率圖像，通過某種算法或模型生成高分辨圖像的技術，並且盡可能地恢復出更多細節信息，也稱為頻譜外推法。但是在研究初期，頻譜外推法只是用於壹些假設條件下的仿真，並沒有得到廣泛的認可。直到單張圖像的超分辨方法提出後，超分辨技術才開始得到廣泛的研究和應用。目前，它已經成為圖像增強乃至計算機視覺領域的重要研究方向。
壹般來說，傳統學習方法的算法模型比較簡單，訓練集也比較小。深度學習方法壹般是指采用大量數據訓練的卷積神經網絡方法，也是目前學術界研究的熱點。因此接下來我將重點介紹基於深度學習的超分辨方法的發展過程。