基于主动位移成像技术的图像超分辨率重建研究.pdfVIP

信息记录材料２０２５年３月第２６卷第３期

基于主动位移成像技术的图像超分辨率重建研究

朱静

（黔南民族职业技术学院贵州黔南５５８０００）

【摘要】本文提出了一种基于主动位移成像技术的图像超分辨率重建方法，以满足日益增长的高分辨率成像需求。通过精确控

制压电执行器实现亚像素级位移，获取多幅低分辨率图像序列，并利用相位相关算法进行亚像素配准，结合Ｌ１范数最小化的图像融

合和低秩去噪技术，最终重建出高分辨率图像。实验结果表明：该方法在细节恢复、边缘保持和抗噪性能上均优于传统方法，具有较

高的重建质量和计算效率。

【关键词】主动位移成像；超分辨率；亚像素配准；图像融合

－－－

【中图分类号】ＴＰ３９１【文献标识码】Ａ【文章编号】１００９５６２４（２０２５）０３０２４００３

０引言中恢复出高分辨率图像，其本质是一个欠定问题。传统的

随着高分辨率成像需求的不断增长，图像超分辨率重超分辨率重建方法主要有三类：基于插值的方法、基于重

建技术受到广泛关注。目前，关于图像超分辨率方面的研构的方法和基于学习的方法。基于插值的方法，如双三次

究颇多，但传统超分辨率方法存在细节恢复能力有限、计算插值，通过对低分辨率图像进行插值来增加像素数，但易

复杂度高等问题。主动位移成像技术可获取亚像素级位移产生模糊和锯齿效应。基于重构的方法，如迭代反投影算

信息，为超分辨率重建提供了新思路。针对传统分辨率方法，通过建立成像降质模型并求解逆问题来重建高分辨率

法的不足，本文提出一种基于主动位移成像的图像超分辨率图像，但通常需要较高的计算成本。基于学习的方法，如

重建新方法，通过亚像素配准、图像融合等步骤，在提高空间稀疏编码超分辨率方法，通过从大量高低分辨率图像对中

分辨率的同时保证图像质量，以期为相关领域提供参考。学习映射关系来指导重建，重建质量高但依赖训练数据。

１相关技术基础近年来，深度学习技术在图像超分辨率重建领域取得了突

［２］

１１主动位移成像技术破性进展。例如，超分辨率模型通过子像素卷积层实现

主动位移成像技术是一种创新的图像获取方法，其原特征图的上采样，并用梯度裁剪等策略实现快速训练；非

理是通过主动引入精确可控的位移，获取同一场景下多幅常深的卷积网络用于图像超分辨率（ｖｅｒｙｄｅｅｐ

亚像素级错位的低分辨率图像。这一过程通常利用压电ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓｆｏｒｉｍａｇｅｓｕｐｅｒ⁃ｒｅｓｏｌｕｔｉｏｎ，ＶＤＳＲ）模

陶瓷执行器实现，其位移分辨率可达纳米量级。例如，采型，采用了深层残差网络结构，并使用了可变步长梯度下

－降算法，取得了较优的重建效果。总的来说，深度学习超

用ＰＩ（ＰｏｗｅｒＩｎｔｅｇｒａｔｉｏｎｓ）公司的Ｐ７５３ＬＩＳＡ线性压电执

行器，其行程范围为３８μｍ，闭环分辨率优于０２ｎｍ。通分辨率方法能够从海量数据中学习到低分辨率到高分辨

－率的复杂映射关系，并实现端到端的重建，代表了图像超

过对压电执行器施加精心设计的驱动电压序列，可在ｘｙ

平面内实现精确的亚像素位移。获取的多幅图像蕴含场分辨率领域的发展趋势。

景的高频细节信息，但由于像素采样引起的混叠效应，这