基于多路径残差网络交叉学习的图像超分辨率重建

郭锋锋，马 璐

（宿州职业技术学院，安徽宿州234000）

0 引言

图像超分辨率重建是低分辨率图像经过一系列操作获得对应高分辨率图像的技术。在生产生活中，由于硬件设备的限制和后续图像处理的需要，需要对低分辨率图像进行超分辨重建。图像超分辨率重建技术具有较低的成本和较好的灵活应用的特点，因此被广泛应用在医学影像［1］、遥感监测［2］、人脸识别［3］和其他一些领域［4-5］。

图像超分辨率重建方法存在很多，其中传统的方法主要有插值法和基于重建的方法［6-7］，这些方法重建速度快，但重建图像边缘比较模糊，细节信息丢失比较严重。随着信息技术的发展，基于学习的超分辨率技术开始迅速发展起来。杨建超提出基于稀疏编码的图像超分辨率重建，并获得了较好的重建效果［8］。Dong等人优化字典学习过程，提高的了图像超分辨率重建速度和准确度［9］。另有基于样例的超分辨率重建方法被提出，利用结构相似的图像块对高分辨率图像重建［10］。2014年ANR方法和A+方法在基于流型学习和锚点邻域回归等理论上进一步提高了超分辨率重建的图像质量［11-12］。而随着深度学习在图像处理领域的广泛应用，SRCNN［13］借鉴基于字典学习的超分辨率重建方法，提出利用深度卷积网络进行超分辨率重建图像，并获得不错的结果，但网络模型训练时间比较长。后来，VDSR［14］网络模型被提出，只对低分辨率图像中缺失的高频信息进行重建，并增加卷积网络深度，显著的提高了重建图像的质量和网络模型学习效率。……