超分辨率图像重建算法综述

摘要

在人类视觉感知系统中,高分辨率（HR）图像是图像清晰表达其空间结构、细节特征、边缘纹理等信息的重要媒介,在医学、刑侦、卫星等领域有着极为广泛的实用价值。超分辨率图像重建（SRIR）旨在从给定的低分辨率（LR）图像中,重建含有清晰细节特征的高分辨率图像,是计算机视觉和图像处理领域中的一项重点研究任务。首先,对超分辨率图像重建的概念和数学模型进行阐述,并对图像重建方法进行系统分类,将其系统地分为基于插值、基于重构、基于学习（深度学习前、后）三类超分辨率图像重建方法;其次,对三类方法中典型的、常用的、最新的算法及其研究进行全面回顾和综述,并从网络结构、学习机制、适用场景、优势和局限性等方面对所列的图像重建算法进行了梳理;然后,归纳总结了超分辨率图像重建算法所用的数据集和图像质量评价指标,重点比较基于深度学习的各种超分辨率图像重建算法的特点与性能;最后,从四方面对超分辨率图像重建问题未来的研究方向或角度进行展望。

关键词： 图像处理; 超分辨率重建; 深度学习; 图像质量评估

图像是人类用于感知世界的直观方式之一,而低分辨率（low resolution,LR）图像往往阻碍人类获取、传递、表达图像的特征信息。