程 亮

(内蒙古农业大学教务处，内蒙古 呼和浩特 010020)

1 引言

数字时代的到来，在信息传播的潮流中，图像为其中最为关键的媒介，一直被广泛应用于各种场景。在众多领域中，人们对于图像的画质有较高的需求，比如医疗图像领域、卫星遥感领域等。图像是最直观的信息可视化表达方式，但在实际应用中数字摄影技术面临诸多问题，例如拍摄高速运动的物体等，在这种特定场景中，大多数图像都是模糊图像，需要进行清晰化处理，即图像重建。目前，针对该领域问题也有很多专家参与讨论，得出了很多成果。但这些传统方法对运动模糊图像进行的重建结果，存在重建效果差、细节不清晰等问题，现阶段，相关学者获得如下解决方法。

文献[1]提出基于遥感图像的MAP超分辨重建方法，该方法构建了基于模拟拟合的现实成像模型系统，利用最大后验概率系统理论，获取在实际环境中运动模糊、噪声等相关数据，基于MAP理论，引入超分辨重建算法。但该方法不能有效提高模糊图像的质量，且应用范围有限。文献[2]提出基于层次聚类的图像超分辨率重建方法，该方法对图像块进行特征层次聚类，利用高斯混合模型聚类方法，将测试图像裁剪成若干图像块，引入K均值聚类方法优化图像，实现全面重建图像的目的。但该方法图像重建效果较差，并且运行过程不够稳定。文献[3]提出基于改进超分辨率卷积神经网络和字典学习的图像超分辨率重建方法，利用卷积神经网络技术构建图像超分辨率重建模型，采用字典学习模型，补偿图像残差部分的高频信息，从而获得具有更好视觉效果和峰值信噪比的高分辨率图像。……