自适应IQA阈值序列图像NLM超分辨重建方法

韦子先，熊正强，毛昱童，孙 涛

武汉大学 电子信息学院，武汉 430072

图像空间分辨率是衡量图像质量的一个重要指标，也是光学成像技术的核心竞争力。在实际成像过程中，受成像传感器硬件成本、制造工艺、光路传输条件等诸多因素限制，呈现在人们眼前的图像未必都具备足够的分辨率，由此引出了图像的超分辨率（super resolution，SR）重建问题。

从低分辨率（low resolution，LR）图像生成高分辨率（high resolution，HR）图像的过程是个逆问题，需要建立合适的成像退化模型。由采样定理可知，多幅不同的高分辨率图像都可能通过下采样得到同一幅低分辨率图像。因此，图像超分辨率重建问题是一个非适定的问题（ill-posed problem），单纯从退化模型出发估计得到的求解结果是不稳定的。想要得到鲁棒性高且尽可能接近真实值（ground truth）的求解结果，往往需要引入其他约束条件。解决这一非适定问题的思路有两种：一种思路是引入先验知识，借助图像的先验知识（例如：机器学习的数据训练）去降低退化模型的复杂度或固定相关参数，从而得到稳定的解；另一种思路是通过对多幅具有互补信息的低分辨率图像的处理来重构一幅高分辨率图像。这种解决思路实际上是通过增加输入图像数量来引入病态问题的约束条件，通过图像序列间的相互约束关系来得到一个稳定解。

超分辨率重建根据输入图像的数量可以分为基于单张图像的超分辨率重建方法和基于序列图像的超分辨率重建方法。本文主要针对序列图像的超分辨率重建进行讨论。……