基于两级框架的高斯过程回归（GPR）算法图像超分辨率技术研究(2)

菜单

3.1 高斯过程回归的背景知识 13

3.2 高斯过程回归的原理 16

3.3 高斯过程回归用于单个图像超分辨率 20

4 仿真测试与结果分析 24

结论 44

致谢 46

参考文献 47

1 引言

近年来，伴随着电子信息技术、计算机视觉和机器学习的不断成长，图像超分辨率技术得到了海内外研究学者的普遍关注。由于图像超分辨率技术在军事防卫、医疗影像、视频监控、网络高清视频等众多领域都有着良好的应用前景，因此其理论研究及实际应用成为了近年来的关注焦点和热点课题，并得到了迅速的发展。目前，图像超分辨率技术在一些传统方法的研究上获得了很大的发展，但在基于学习的图像超分辨率方法上还有很大的研究空间，有很多问题需要解决。特别地，针对实时性和处理效果这一矛盾点，可以对算法进行更多的优化。

1.1 图像超分辨率技术的研究背景及意义

图像超分辨率（SR：Super-Resolution）技术是指：通过一系列的处理和算法，从低分辨率（ LR：Low-Resolution）图像获取高分辨率(HR：High-Resolution)图像的过程。

图像分辨率是指图像中蕴含的信息量，即每英寸的图像中包含多少个像素点[36]。图像分辨率的高低与图像的清晰程度密切相关，是评价图像性能和图像质量的关键指标，高分辨率图像含有的像素密度更高，因此其画质更加细腻，具有的细节信息也更加丰厚，方便对图像进行后续的处理和进一步的研究。因此，在现实的生产生活中，我们都希望尽可能的获得更高分辨率的图像。然而，在图像的生成、收集、传输和处理等几个环节中，许多因素都将导致图像分辨率变差，使图像模糊、形变或产生噪声。导致图像分辨率变差的原因如下表：

表 1.1 图像分辨率变差的原因

类型具体因素

硬件设备传感器和成像系统制造工艺的限制，导致像差、带宽限制和畸变等

外部环境随机大气湍流、成像光源和射线的散射、环境随机噪声

其他传感器的噪声、摄像机聚焦不良、光学系统的像差、物体和摄像机的相对移动

提升图像分辨率分为硬件和软件两大类方式。硬件方面，通过提升成像系统硬件的制造工艺水平，采用高分辨率的采集设备去拍摄和生成图像是最直接的方法。此外，集成电路板尺寸的扩大，光电成像设备精度的提升和图像传感器（如CCD）的密度提高等方法均可从硬件角度去改善图像分辨率。但在实际生产应用中，一方面，硬件水平的提升往往需要昂贵的价格，导致生产成本大幅度提升；另一方面，由于成像系统受到传感器阵列密度等硬件设备性能的制约，提升难度较大且提升空间有限。因此，在许多领域中，高分辨率图像的获取并不都是采取高分辨率采集设备等改进硬件的方法。为了应对这一现实情况，研究学者们依靠软件改进的思想来研究图像分辨率的提升问题，即图像超分辨率（SR：Super-Resolution）。由于这种方法基于软件研究，对硬件设备要求不高，成本低，可以在使用性价比高的图像设备基础上，获取足够高的图像分辨率，因此是一种比较经济可行的方案，拥有极大的研究价值和广泛的应用前景，能够符合实际应用和市场需求。