视频超分辨率算法模型概述【图像视频超分辨率】

传统算法模型

基于插值的技术

  • 最邻近元法
  • 双线性内插法
  • 三次内插法

视频超分辨率算法模型概述【图像视频超分辨率】_第1张图片

基于重建的方法

概率论、集合类

  • 凸集投影法(POCS)
  • 贝叶斯分析法
  • 迭代反投影法(IBP)
  • 后验概率方法
  • 正规化方法
  • 混合方法

基于机器学习的方法(非深度学习) 

  • Example-based方法
  • 邻域嵌入方法
  • 支持向量回归方法
  • 稀疏表示法

挑战和难度

  • 散焦
  • 噪点
  • 压缩失真
  • 传感器噪声

算法模型函数

模型的学习函数

视频超分辨率算法模型概述【图像视频超分辨率】_第2张图片

其中Ix和Iy分别表示低清图像与超分辨率图像,F表示超分模型,θ为模型中的参数。

其中D表示降级映射, б为模型中的参数。

视频超分辨率算法模型概述【图像视频超分辨率】_第3张图片
 

模型的学习目标


其中L为损失函数,Φ(θ)为正则项,λ为惩罚系数。

图像降级模型

简单的下采样

视频超分辨率算法模型概述【图像视频超分辨率】_第4张图片

式中的↓表示下采样操作,s表示下采样的倍数

加入模糊和噪声的下采样

视频超分辨率算法模型概述【图像视频超分辨率】_第5张图片

其中的⊙表示卷积,k为卷积核, n 为噪声(⊙代替上图的卷积操作符号)

预上采样

视频超分辨率算法模型概述【图像视频超分辨率】_第6张图片

后上采样

视频超分辨率算法模型概述【图像视频超分辨率】_第7张图片

逐步上采样

视频超分辨率算法模型概述【图像视频超分辨率】_第8张图片

交替上下采样

视频超分辨率算法模型概述【图像视频超分辨率】_第9张图片

模型评价方法

视频超分辨率算法模型概述【图像视频超分辨率】_第10张图片

峰值信噪比(PSNR)

视频超分辨率算法模型概述【图像视频超分辨率】_第11张图片

结构相似度(SSIM)

视频超分辨率算法模型概述【图像视频超分辨率】_第12张图片

 

 

你可能感兴趣的:(图像视频超分辨率,计算机视觉,深度学习,视频处理,算法)