李云红，王 珍，张凯兵，章为川，闫亚娣

西安工程大学 电子信息学院，西安 710048

1 引言

图像超分辨重建是一种有效提高图像分辨率的信号处理技术。该技术能有效克服成像设备固有分辨率的不足，突破成像环境的限制，在不改变现有成像系统的前提下，能以最低的成本获取高于成像系统物理分辨率的高质量图像[1-6]。图像超分辨重建技术具有非常广泛的应用前景，是低质量智能安全监控系统中人脸检测与目标识别、智能机器人等的关键技术，以及多尺度、多通道图像融合技术的基础。该技术的成功应用不仅能促进光电子信息技术的发展，而且能推动物联网视频感知与智能分析技术、车联网智能交通关键技术、遥感成像技术以及移动多媒体通信技术等多个高新技术产业的进步和发展。

经过30多年的研究与发展，单帧图像超分辨重建技术取得了重大进展。已有的单帧图像超分辨重建技术主要分为3种类型：基于插值的方法、基于重构的方法和基于实例学习的方法。相比基于插值的方法和基于重构的方法，基于实例学习的方法具有算法结构灵活，在高倍数放大情况下能获得更多的细节等优点，因而受到国内外广大学者的广泛关注。根据超分辨重建过程中实例样本使用方式和建立映射关系算法的不同，现有的实例学习单帧图像超分辨重建方法可以细分为5类：基于k-近邻（k-NN）学习的方法[7-10]、基于流形学习的方法[11-17]、基于超完备字典学习的方法[18-24]、基于实例回归的方法[25-39]和基于深度学习的方法[40-43]。……