以学术论文的语言改写下列文段可适当删除提取主旨总结内容：Dong等学者于2014首次将深度学习应用到图像超分辨率重建领域并于2016年进行改进。SRCNN法针对单幅图像超分辨率重建通过一个深层卷积神经网络来学习高、低分辨率图像之间端到端的映射关系采用了插值的方式先将输入的低分辨率图像进行放大再通过模型进行复原使用的网络模型命名为SRCNN。该方法进一步证明了传统的基于稀疏编码的随机共振方法也可以看

Dong等学者在2014年首次将深度学习应用于图像超分辨率重建领域，并在2016年进行了改进。他们提出了一种名为SRCNN的方法，该方法采用深层卷积神经网络来学习高、低分辨率图像之间的映射关系，从而实现单幅图像的超分辨率重建。SRCNN方法利用插值将输入的低分辨率图像进行放大，并通过模型进行复原。该方法的网络模型轻巧简洁，联合优化所有单元，不仅提高了修复质量，还实现了快速的在线使用。此外，该方法还探索了不同网络结构和参数设置对重建性能的影响，以实现提高性能的同时兼顾速度。该方法还扩展了网络模型以同时处理三个颜色通道，以得到良好的整体重建质量。该方法进一步证明了传统的基于稀疏编码的随机共振方法也可以看作是一个深度卷积网络。