Image super-resolution via sparse representation论文总结

• 摘要：

     本文提出了一个基于单幅图像的超分辨率重建。图像可以被表示为一个稀疏线性组合和过完备字典的形式。所以本文提出了将计算得到的低分辨率图像的图像块的稀疏表示系数用于作为高分辨率图像的稀疏表示系数。

• 介绍：

     1、常规的超分辨重建方法：

        （1）输入同一场景的多幅低分辨率图像，调整亚像素精度。（？？？）

        （2）基于插值的方法

        （3）基于机器学习的方法（看几篇机器学习论文和深度学习结合在一起做实验）

     2、 本文工作：

          由高分辨率信号可以由观测到的低维信号恢复得到启发，提出高分辨率图像也可以由低分辨率图像恢复。（从信号到图像）

• Image  SR from sparsity：

    1、给一个低分辨率图像恢复高分辨率图像，需要解决两个问题

        （1）重建约束

                                         Y=SHX

         H代表模糊滤波器，S是采样器，Y是低分辨率图像，X是高分辨率图像。给一个低分辨率图像Y，很多X满足上式，所以通过X的小块x进一步调整问题。

         (2)高分辨率图像X的块x可以由稀疏线性组合表示如下：