张万绪,史剑雄,陈晓璇,汪 霖,赵 明,周 延,牛进平

(西北大学 信息科学与技术学院,西安 710127)

0 概述

图像超分辨率重建技术是指从单幅或多幅低分辨率图像中恢复出高分辨率图像,其广泛应用于遥感成像[1]、医学影像[2]以及视频监控[3]等成像设备。然而由于硬件设备的条件限制,图像处理和存储过程中出现的图像压缩、模糊使得图像质量发生退化。超分辨率重建技术克服了这些缺陷,成为当前图像处理领域的研究热点。

目前,图像的超分辨率重建方法可以分为3类:1)插值方法,由邻近像素的亮度值计算出待插值像素的亮度值,例如双三次插值方法[4];2)重建方法,该方法利用图像退化模型对重建图像进行约束,即认为一幅低分辨率图像可以由对应的高分辨率图像经过模糊和下采样之后得到[5];3)基于学习的方法,利用若干高质量或高分辨率图像的先验知识[6]构建训练集合,通过训练模型进行图像重建,获得比其他重建算法更好的结果。文献[7]采用了流形学习中局部线性嵌入[8-9]的思想,假设高分辨率图像块和低分辨率图像块特征空间的2个流形具有相似性。然而该方法受限于重建图像块的邻近点个数,可能会出现过拟合或欠拟合现象。文献[10]引入了压缩感知理论,提出了一种基于稀疏表示的图像超分辨率重建方法[11],该方法提高了图像的重建效果,但边缘保持能力有限。在此基础上,文献[12]将低分辨率图像分解为低秩部分和稀疏部分,对低秩图像利用稀疏表示的方法重建,该方法虽然减少了重建时间,但也会丢失一些细节信息。……