蒋 雪，韩 芳

(东华大学 信息科学与技术学院，上海 201600)

基于卷积神经网络的图像纹理的超分辨率重建

蒋 雪，韩 芳

(东华大学 信息科学与技术学院，上海 201600)

目前，深度学习已经在图像超分辨率重建上表现出不错的性能，但是对某些纹理细节还原度不高。针对此问题，提出了基于卷积神经网络的纹理的超分辨率重建算法。首先用梯度算子提取图像的纹理特征，再将图像按照纹理进行分类，最后用卷积神经网络对同一类别的样本集进行超分辨率重建。实验证明，该算法能够恢复一定的纹理信息，而且对同类纹理的重建结果优于已有算法。

图像处理；卷积神经网络；超分辨率重建；纹理特征

0 引言

超分辨率图像重建(Super-Resolution Image Reconstruction，SRIR或SR)就是图像复原的一种，它通过信号处理或者图像处理的方法，将低分辨率(Low-Resolution，LR)图像或序列转化为高分辨率(High-Resolution，HR)图像。图像分辨率是指单位英寸中所包含的像素点数，是评判图像质量的一个重要指标。所以较高分辨率的图像包含更多的信息，能够提供更丰富的细节。

图像成像的基本理念是通过图像重建模型生成的HR图像与原本的LR输入图像尽可能地一致。最初，Harris和Goodman通过对单幅图像进行线性插值和样条函数插值实现了单幅图像超分辨率(Single Image Super-Resolution, SISR)重建。但是图像插值的方法主要是增强了边缘信息，而包含的信息量没有相应地提高。

基于学习的单帧超分辨率问题是近年来研究的一个热点，又称为基于样例(Example-based)的超分辨率。典型的有稀疏表达[1](Sparse Representation)和机器学习的方法。……