徐 文，杨晓梅，徐秋怡，田巧玉，刘 凯

(1.四川大学锦江学院 电气与电子信息工程学院，四川 眉山 620860； 2.四川大学 电气工程学院，成都610207；3.中央民族大学 信息工程学院，北京100081)

0 引 言

大数据信息时代，超分辨率图像重建技术通过软件编程的方式来提高图像的分辨率，在没有替换原有的成像设备前提下，从包含不同细节的低分辨图像中采集有用信息融合成一幅高分辨图像。其技术主要的思想是用同一场景的图像序列的时间分辨率来换取更高的一个空间分辨率[1]。通过超分辨重建的方法处理视频图像就是从多个低分辨率图像中连续帧之间的相关联系来得到原始图像中高分辨图像的相关信息，获得更清晰、分辨率更高、内容信息更加丰富的图像视频信息。超分辨率图像和视频重建在监控设备、卫星图像和医学影像等领域都有重要的应用价值。

20世纪80年代，Tsai和 Huang[2]首先发现了基于序列或多帧图像的超分辨率重建问题，他们通过实验分析且证明了从互相平移得到的图像序列中能够获取到分辨率更高的静态图像，并且给出了在从时域转换到频域里解决问题的方法。近年来，压缩感知增强技术和超分辨率图像复原技术为图像复原的研究注入了新的力量[3-9]。人工智能中深度学习的发展，突破了图像的分割和分类的传统技术，特别是基于卷积神经网络(Convolutional Neural Network,CNN)的单幅图像重建(Super-Resolution CNN，SRCNN)[10]算法能够快速重建高分辨率的图像。但SRCNN算法对网络参数敏感，要求训练参数稠密，减缓了训练速度，对细节恢复效果欠佳。……