李 岚，蔺国梁，马少斌

(兰州文理学院数字媒体学院，甘肃兰州730000)

0 引言

超分辨率图像重建（Super Resolution Image Reconstruction,SRIR或SR）的思想是利用一组低质量、低分辨率图像（Low Resolution,LR）经过计算机技术和图像处理技术产生单帧或多帧高质量、高分辨率图像[1,2]．SR是数字图像处理的一个重要研究方向，在计算机视觉领域有广泛的应用，如智能交通、安全监控、图像生成和医学成像等[3]．目前SR方法主要分为3类：基于差值的方法[4]、基于重建的方法[5]和基于学习的方法[6,7]．基于差值的方法是将图像看作一个点，利用先验知识由一个预定义的变换函数或插值来拟合平面上未知的信息，从而计算出高分辨率图像，该方法的主要缺点是很容易出现阶梯锯齿状现象及边缘模糊现象．基于重建的方法是目前被广泛研究的方法之一，这类方法主要是应用下采样技术使得一个或者多个低分辨率图像信息进行融合低像素精度的多帧信息，重建出更高分辨率的图像．这种方法重构精度高，但只能够利用高、低分辨率图像之间的关系，数学模型构建比较困难，导致重建图像纹理不清晰．

基于深度学习的方法近年来成为研究的热点，主要是利用相同图像的内部相似性及大量的训练样本数据，从中求出高、低分辨率图像对之间的映射关系，完成高分辨率图像特征的转化，从而实现SR的过程，这种方法对建模数据的集中特性要求非常高．Dong等[8]首次采用深度学习方法，网络总共设置了一个3层的卷积神经网……