基于深度学习的图像超分辨率重建技术的研究_刘永信.pdf

科技与创新 ┃ ScienceandTechnology Innovation 2018 年 第 23 期 文章编号：2095 －6835 （2018 ）23 －0040 －04 基于深度学习的图像超分辨率重建技术的研究 刘永信，段添添* （内蒙古大学，内蒙古 呼和浩特 0 1002 1 ） 摘 要：图像的超分辨率重建技术指的是将给定的低分辨率图像通过特定的算法恢复成相应的高分辨率图像。随 着人工智能的不断发展，超分辨率重建技术在视频图像压缩传输、医学成像、遥感成像、视频感知与监控等领域 得到了广泛的应用。简要介绍了图像超分辨率技术的研究背景与意义，同时，概述了其基本原理及评估指标，着 重介绍了基于深度学习的超分辨率重建技术的处理流程及几种具有代表性的超分辨率深度学习模型。 关键词：人工智能；深度学习；超分辨率；制造工艺 中图分类号：TP391.4 1 文献标识码：A DOI ：10.15913/j .cnki.kj ycx.20 18.23.040 1 超分辨率重建技术的研究背景与意义 究意义，主要包括以下几个领域。 图像分辨率是一组用于评估图像中蕴含细节信息丰富 1.1 图像压缩领域 程度的性能参数，包括时间分辨率、空间分辨率及色阶分辨 在视频会议等实时性要求较高的场合，可以在传输前预 率等，体现了成像系统实际所能反映物体细节信息的能力。 先对图片进行压缩，等待传输完毕，再由接收端解码后通过 相比于低分辨率图像，高分辨率图像通常包含更大的像素密 超分辨率重建技术复原出原始图像序列，极大减少存储所需 度、更丰富的纹理细节及更高的可信赖度。但在实际中，受 的空间及传输所需的带宽。 采集设备与环境、网络传输介质与带宽、图像退化模型本身 1.2 医学成像领域 等诸多因素的约束，我们通常并不能直接得到具有边缘锐化、 对医学图像进行超分辨率重建，可以在不增加高分辨率 无成块模糊的理想高分辨率图像。提升图像分辨率的最直接 成像技术成本的基础上，降低对成像环境的要求，通过复原 的做法是改进采集系统中的光学硬件，但这种做法受制造工 出的清晰医学影像实现对病变细胞的精准探测，有助于医生 艺难以大幅改进、制造成本十分高昂等约束，所以，从软件 对患者病情作出更好的诊断。 和算法的角度着手，实现图像超分辨率重建的技术成为了图 1.3 遥感成像领域 像处理和计算机视觉等多个领域的热点研究课题。 高分辨率遥感卫星的研制具有耗时长、价格高、流程复 1955 年，Toraldo di Francia 在光学成像领域首次明确定 杂等特点，由此研究者将图像超分辨率重建技术引入了该领 义了超分辨率这一概念，主要是指利用光学相关的知识，恢 域，试图解决高分辨率的遥感成像难以获取这一问题，从而 复出衍射极限以外的数据信息的过程；1964 年，Harris 和 在不改变探测系统本身的前提下提高观测图像的分辨率。 Goodman 首次提出了图像超分辨率这一概念，主要是指利用 1.4 公共安防领域 外推频谱的方法合成出细节信息更丰富的单帧图像的过程； 公共场合的监控设备采集到的视频往往受到天气、距离 1984 年，在前人的基础上，Tsai 和Huang 等人首次提出使 等因素的影响，存在图像模糊、分辨率低等问题。通过对采 用多帧低分辨率图像重建出高分辨率图像的方法后，超分辨 集到的视频进行超分辨率重建，可以为办案人员恢复出车牌 率重建技术开始受到了学术界和工业界广泛的关注和研究。 号码、清晰人脸等重要信息，为案件侦破提供必要线索。 具体而言，图像超分辨率重建技术指的是利用数字图像处理、 1.5 视频感知领域 计算机视觉等领域的相关知识，借由特定的算法和处理流程， 通过图像超分辨率重建技术，可以起到增强视频画质、 从给定的低分辨