图像超分辨率重建

关于图像超分辨率重建的相关知识点总结（一）

**

1.图像增强与图像超分辨率重建的区别

图像增强能够将清晰度较低、视觉效果较差的图像转变成具有高清晰度的图像；
图像超分辨率重建在将分辨率较低的图像转化为高分辨率图像的同时，还能够达到提高图像清晰度的效果。

2.对超分辨率重建的原理理解描述

超分辨率重建是一个病态求逆的过程，由于通过已知条件无法重建一幅唯一的图像，因此需要根据各种已知的信息来约束解的空间范围，以最大程度地逼近所求的理想图像。

3.超分辨率重建的前提

图像中存在互补的非冗余信息

4.多帧图像超分辨率重建的一般过程

首先，在已知的多帧图像序列中选择一幅低分辨率图像作为参考图像帧，对其进行插值，使其放大到与所求高分辨率图像具有相同大小，作为初始估计。该初始估计过程既可以采用基于单帧图像的各种插值算法，也可以采用基于多帧图像的融合算法。然后将其它的低分辨率图像与初始估计进行配准，获得相应的位移矢量。最后根据超分辨率重建算法进行图像重建。

5.图像超分辨率重建的方法分类

（1）基于频域的方法
基本思想：根据离散和连续傅里叶变换间的平移、混叠性质，计算高分辨率图像的傅里叶变换系数，通过傅里叶变换系数得到重建的高分辨率图像。
优点：原理简单、能够实现数据的并行处理，运算效率较高。
缺点：仅适用于只有全局位移且图像带宽有限的低分辨率图像序列。难以灵活地加入空域先验知识，不能有效利用数据间的相关性信息。
（2）基于空域的方法
在空域定义和求解低分辨率图像序列的前向模型，能够加入先验知识的约束。
非均匀插值：计算量低、实时性好，在噪声较小时重建效果较好。缺点：过于简单化，在插值阶段引入了误差，使算法的最优性难以保证，重建图像的频域信息为单帧图像的频域信息，且降质模型有限，使用的先验约束较少。
迭代反投影法（IBP）：简单直观、易于理解。利用先验知识较少，难以灵活加入先验知识，重建图像的病态求逆过程会造成IBP方法解的不稳定性而且不唯一。
POCS：非线性先验约束可以很容易的组合到重建过程中，可扩展性好，但运算量相对较大。
统计复原方法：利用数学上统计估计方法对多帧图像进行超分辨率重建，主要包括最大后验概率（MAP）估计法和最大似然（ML）估计法。ML只考虑条件概率模型，可以看作是MAP在等概率先验模型中的特例。MAP是根据已知LR图像序列的各种信息，求出后验概率最大的HR重建图像。MAP方法可以有效地利用图像的先验模型，但运算量大，不适合时间要求高的场合。
（3）基于学习的方法
该方法适用于LR图像序列的数目较少或者是分辨率提高倍数较大的情形。此时LR图像序列提供的互补性信息相对有限，不足以使超分辨率重建算法恢复出更多的高频信息。