杨建华

(安徽开放大学，合肥 230022)

一、引言

2020年初，为应对新冠肺炎疫情，国家开放大学招生管理系统增设学员线上、线下报名功能。学员可以自己上传个人人脸、身份证、毕业证书等照片，也可以通过身份证读卡器获取学员人脸照片。但学员上传的照片经常存在分辨率过低、关键部分不清晰，给工作人员的辨识带来困难；身份证读卡器获取的身份证中人脸图像的大小为:宽102像素、高126像素，在后期用此图像与学员本人进行人脸识别匹配时，会因图像的分辨率过低导致人脸识别效果不佳。通常情况下，当人们遇到低分辨率的小图像时，一般是采用一些图像处理软件对其放大，但这样会造成图像失真，如图像边缘出现锯齿状，图像模糊。为此，本文引入基于深度学习的单张图像超分辨率(Single Image Super-Resolution,SISR)重建技术，来解决上述问题。

图像超分辨率(Image Super-Resolution,SR)重建技术，是指利用一张或多张低分辨率(Low Resolution,SR)图像，通过软件处理，生成一张具有较高分辨率(High Resolution,HR)图像的技术。在安保监控、卫星图像遥感、显微成像、数字高清、视频复原和医学影像等领域都有非常重要的实用价值。与通过升级硬件设备的成像精度来提高图像分辨率相比，SR技术具有成本低、速度快的明显优势。

二、深度学习的单张图像超分辨率重建技术

(一)图像超分辨率重建技术

该技术首次由Harris与Goodman于20世纪60年代提出，采取的方法是在单帧图像上进行线性插值或样条函数插值，虽然能提高单幅图像的分辨率，但图像中的很多高频细节易丢失。……