程 玉,郑 华,2,3,4,陈晓文,林烁烁,张明伟

1(福建师范大学 光电与信息工程学院,福州 350007)

2(福建师范大学 医学光电科学与技术教育部重点实验室,福州 350007)

3(福建师范大学 福建省光子技术重点实验室,福州 350007)

4(福建师范大学 福建省光电传感应用工程技术研究中心,福州 350007)

1 引言

生活水平的提升使得人们对于画面清晰度的要求日益增高.在手机中,相机的拍摄功能直接影响销量,厂商付出众多精力提升图像画质,由此图像超分辨率重建技术应运而生.其在医学成像,图像压缩,安防监控等领域有着重要的研究意义[1].早先提高图像分辨率的方法是改进图像采集系统中的光学器件,然而这种方法受到生产成本和制造工艺的限制.近年来,随着科学技术的高速发展,深度学习的蓬勃兴起,实现图像超分辨率重建成为计算机视觉领域一大热门研究课题.

一直以来,图像超分辨率重建可以分为3 大类：1)基于插值的方法,例如：最近邻插值,双线性插值和双三次插值[2].2)基于重建的方法,例如：贝叶斯分析法,迭代反投影法等.3)基于学习的方法,例如：稀疏表示法,邻域嵌入法等.传统的方法对于图像超分辨率重建的处理速度快但丢失大量高频信息,细节纹理恢复有限且消耗大量资源.卷积神经网络被应用在图像超分辨率领域是2014年提出的SRCNN[3],该方法开启了该领域的新面貌.自此,众多研究者使用各种深度学习的方法来研究,成果不断.

采用深度学习的方法进行图……