分辨率极限-时间分辨率+空间分辨率和图像超分辨重建技术

计算机视觉工作者们，总是希望能“看清”繁华世界的每个像素点，但是却发现分辨率的极限，是他们绕不过去的坎。今天就来和大家聊一聊分辨率以及超分辨图像重建

参考：https://mp.weixin.qq.com/s/d6uTCK2p-EyM8vAPKAR8Og?

分辨率极限

分辨率极限，无论对于图像重建或是图像后处理算法的研究者，都是一项无法回避的技术指标。

时间分辨率性能决定了视频输出的帧率，即实时效果；

空间分辨率性能决定了图像的画面清晰度究竟是720P，1080P，还是4K；色阶分辨率性能决定了图像显示色彩的丰满程度与粒度。

因此，分辨率是一幅图像、一段视频的核心。

今天就简单说一下空间分辨率。

在实际的应用场景中，受限于图像采集设备成本、视频图像传输带宽，抑或是成像模态本身的技术瓶颈，我们并不是每一次都有条件获得边缘锐化，无块状模糊的大尺寸高清图像。在这种需求背景下，超分辨重建技术应运而生。

应用场景I：图片压缩与传输，即以较低的码率进行图像编码，在传输过程中可极大节省转发服务器的流量带宽，在客户端解码得到相对低清晰度的图片，最后通过超分辨重建技术处理获得高清晰度图片

 应用场景II：生物组织成像 左图：光声显微成像图像 右图：光声超分辨显微图像，细微的蜜蜂翅膀纹理清晰可见

 

——————————————————————————————————————————————————————

 

传统超分辨重建技术大体上可分为4类【1, 2】，分别是预测型（prediction-based）, 边缘型（edge-based）, 统计型（statistical）和图像块型（patch-based/example-based）的超分辨重建方法。

 

目前大家使用最多的是图像块型，我们在图像块型领域选择了4篇基于深度学习的图像块型超分辨重建的经典论文进行关键技术点分析。从