挖掘理想重建图像自相似性的超分辨率

李键红，吴亚榕，詹瑾

（1.广东外语外贸大学 信息科学与技术学院，广东 广州 510006；2.仲恺农业工程学院 机电工程学院，广东 广州 510225；3.广东技术师范大学 计算机科学学院，广东 广州 510665）

图像超分辨率是指通过软件计算的方式处理一幅低分辨率图像，估计对应高分辨率图像的技术.它是常见的信号编辑形式，是低成本获取高分辨率图像的主要手段，广泛应用于空间遥感、视频监控及数字家庭等场景.近年来，由于潜在广阔市场地驱动，以及飞速发展的软/硬件支持，超分辨率取得了显著进展，已成为学术界讨论的热点话题.

一般来说，根据低分辨率图像反推对应的高分辨率图像是一个典型的病态逆问题[1].为了得到清晰可靠的重建图像，人们通常引入先验对高分辨率图像的重建过程进行约束，先验恰当与否和重建图像质量密切相关.根据引入先验形式的不同，超分辨率算法大致可分为插值法、重建法和学习法三类.

基于学习的方法指的是借助外界高分辨率图像建立训练集，并利用训练集归纳低/高分辨率图像间的映射，使先验以隐含的方式包含在映射中.这类方法能够有效地恢复成像过程中丢失的高频信息，生成在输入图像中观察不到的细节，从而使其倍受重视，成为超分辨率技术的主流.Yang 等[2]将稀疏表示的思想引入到超分辨率中，用不同尺度的图像片联合训练字典.但该方法导致字典中与输入图像片差异很大的“原子”参与计……