本文介绍了图像超分辨率技术，旨在将低分辨率图像提升至高分辨率。超分辨率技术分为基于单幅图像和图像序列的重建两类。按照技术手段，又可细分为基于插值、重建和学习的方法。基于学习的方法是近年来的研究热点，通过训练样本建立高、低分辨率图像的映射模型，以提升图像质量。
图像超分辨率（Super Resolution, SR）就是将低分辨率（Low Resolution, LR）的图像通过一定的算法转提升到高分辨率(High Resolution, HR)。高分辨率图像具有更高的像素密度，更多的细节信息，更细腻的画质。要获得高分辨率图像，最直接的办法是采用高分辨率的相机，然而，在实际应用过程中，由于制作工艺和工程成本的考虑，很多场合都不会采用高分辨率、超分辨率的相机来进行图像信号的采集。因此，通过超分辨率技术来获取HR具有一定的应用需求。
刚才提到，HR是利用LR通过一定的算法来得到。按照可以使用的LR的数量，可以将超分辨率技术分为两类：
（1）基于单幅图像的超分辨率重建：
主要利用某种先验模型或者匹配机制，从给定的外部资源中寻求待处理图像匹配的细节内容，并将其增加到原图当中，实现分辨率的提升。
（2）
最低0.47元/天 解锁文章
扫一扫
3730
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
