这样的照片不知道有多少人家里存放着,有清楚的,有模糊的。这是一个时代的记忆,不过随着时间的推移,尽管再小心翼翼,照片也会渐渐老旧,直到完全认不出来。
在图像处理领域中,低分辨率图像能提供给学者以及应用人员的信息是非常局限的,人们都期望获得高分辨率图像,高分辨率图像由于其提供细节多、纹理丰富、图像清晰,我们能从其中捕获大量的有用信息。目前超分辨率的学习方法有两个主流方向,一是基于重建算法,二是基于学习的方法,基于学习的方法由于其方法具有良好的学习性,受到了更多学者的欢迎。 本文主要讲通过AI算法实现图像超分辨率重建。
图像超分辨率重建
单帧图像超分辨率(SingleImageSuper-Resolution,SISR)作为基本计算机视觉的基本问题,近年来逐渐被大家所关注,也取得了一定的成果。
针对于图像超分辨率问题,现在已经有许多成熟的方案可以选用。目前超分辨率技术主要有以下两大类:其一为基于重建的超分辨率技术,基于重建的超分辨率方法的基础是均衡及非均衡采样定理。它假设低分辨率的输入采样信号图像能很好地预估出原始的高分辨率信号图像。绝大多数超分辨率算法都属于这一类,其中主要包括频域法和空域法。其二为基于学习的超分辨率技术,基于学习的方法是近年来超分辨率算法研究中的热点,它采用大量的高分辨率图像构造学习库