超分辨率算法研究综述

摘要：图像超分辨率是指利用一幅或多幅低分辨率图像,运用相应的算法来获得一幅清晰的高分辨率图像.然而,传统的基于插值和重建的方法已很难获得进一步的突破.近年来出现的基于学习的方法为超分辨率的发展重新注入了活力.通过回顾插值、重建和学习这3个层面的超分辨率算法,分析了超分辨率技术的以往研究和最新进展,着重讨论了各算法在还原质量、通用能力等方面所存在的问题,并对未来超分辨率技术的发展作了一些展望.     

基于词典学习和稀疏表示的超分辨率方法

近年来,从大规模数据集中提取过完备词典,并使用稀疏表示在图像去噪、图像去马赛克和图像修复中有着较广泛应用。然而,这一技术不能直接用于处理具有异构特点的低分辨率/高分辨率图像块对,以及相应的图像超分辨率重构。要解决这一问题,文中提出一种求解同时满足两个过完备词典(低分辨率图像块词典和高分辨率图像块词典)下的相同稀疏表示的方法,并利用它们实现图像稀疏表示的超分辨率重建。为了进一步提高彩色图像的超分辨率效果,还提出基于超分辨率亮度信息的UV色度超分辨率重构。实验结果表明文中方法无论在视觉效果还是均方根误差上都获得更好结果。