基于SRGAN网络的低分辨率图像重建方法

姚钰桐 谭荃戈 姬广凯

（中国人民公安大学信息网络安全学院 北京市 100038）

1 引言

人脸信息因其具有唯一性、普遍性等特点，在视频侦查、行动路径追踪以及身份信息比对等方面对公安工作具有重要意义。在视侦和图侦过程中，由于采集数据的设备良莠不齐、被遮挡或天气、光照等因素降低图像质量，导致采集的人脸图像有时无法直接匹配到正确的身份信息，需增加图像增强处理环节。对于低分辨率的人脸图像，特征信息的缺失往往使得人脸比对失败，导致其不能及时应用于后续的视频侦查、追踪等工作中，非常耗费警务工作人员的时间与精力。

低分辨率图像重建方法在不断发展、更新，从以传统方法为主到以深度学习为主。传统方法可细分为以下三类：基于学习、基于重建和基于插值。基于学习的方法主要有马尔科夫网络应用和图像自相似性等，此类方法使用高低分辨率图像作为重建过程中可以被提取的先验知识，通过学习高清原图与低分辨率图间的映射关系，补充后者缺少的纹理信息特征，重建高清图像。基于重建的方法含括基于迭代反投影(IBP)的方法、最大后验概率(MAP)的方法、凸集投影(POCS)应用等，这类方法适用于受光影和时间因素影响较重的序列图像，常用于时间序列图像完成单张高清图像的重建任务。基于插值的方法包含双线性插值法（Bilinear Interpolation）、最近邻插值法（Nearest Neighbor Interpolation）以及双三次插值法（Bicubic Interpolation），此类方法通过训练低分辨率样本图片相对于输入的高清原图的拟合系数，实现图像重建。……