龙 超

（江西科技师范大学通信与电子学院，江西 南昌330013）

0 引言

超分辨率图像重建[1]是指由同一场景的低分辨率退化图像重建出一幅清晰的高分辨率图像。它借助信号估计理论，很好地解决了固有的传感器阵列排列密度限制引起的图像分辨率低的问题，弥补了传感器硬件方面的不足。同时，超分辨率重建可以有效地克服图像获取过程中的模糊、噪声等退化因素的影响，在工业控制、医学成像、遥感、安全监控、视频信号传输等领域具有广阔的应用前景。超分辨率重建技术具有重要的理论意义和应用价值，成为图像处理、计算机视觉和应用数学等领域研究的国际热点问题。经过近30年的研究与发展，出现了大量关于图像超分辨率技术的研究成果。一般说来，图像超分辨技术主要分为三种类型：基于插值的方法、基于重构的方法和基于学习的方法。

1 基于插值的超分辨率方法

基于多帧图像插值技术的方法是超分辨率研究中最直观的方法。这类方法首先估计各帧图像之间的相对运动信息，获得高分辨率图像在非均匀间距采样点上的像素值，接着通过非均匀插值得到高分辨率图像栅格上的像素值,最后采用图像恢复技术来去除模糊和降低噪声。典型的方法包括：Rajan和Chaudhuri[2]通过分解、插值和融合3个步骤实现的通用插值方法；Taohj等[3]提出的小波域的双线性插值；Lertrat-tanapanich和Bose[4]提出的使用基于光滑性约束的Delaunay三角化插值算法等。

插值法虽能实现快速重构、有效地保持图像边缘，但通常实际图像的降质信息不可能准确已知，从而设定的先验模型是不稳定的，所以实际的超分辨水平并不理想。……