基于总变分的超分辨率图像重建

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 91-93.

基于总变分的超分辨率图像重建

周卫峰^1,2,李成军^1,2,朱重光²

1.中国科学院研究生院，北京 100049
2.中国科学院遥感应用研究所，北京 100101

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 周卫峰

Super resolution image reconstruction based on total variation

ZHOU Wei-feng^1,2,LI Cheng-jun^1,2,ZHU Chong-guang²

1.Graduate School of Chinese Academy of Sciences，Beijing 100049，China
2.Institute of Remote Sensing Applications，Chinese Academy of Sciences，Beijing 100101，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: ZHOU Wei-feng

摘要/Abstract

摘要： 超分辨率图像重建是指从一组降晰的低分辨率图像重建出一帧清晰的高分辨率图像的过程。建立了超分辨率图像重建的数学模型，估计出场景在观测图像中的运动参数，选择总变分规整化克服问题的病态性得到重建结果。运用算法对模拟和实际图像序列进行重建，分别从主观效果和客观衡量标准两方面与基于Tikhonov规整化的超分辨率重建结果进行比较，结果表明该算法具有更好的处理效果。

关键词: 超分辨率, 运动估计, 总变分规整化, 共轭梯度

Abstract: Super resolution image reconstruction is the process of reconstructing a high-resolution image from a set of degraded low-resolution images.The image formation model is introduced，then a motion estimation algorithm is proposed，and total variation is chosen to regularize the ill-posed problem.Simulated and practically taken image sequences are used in the experiments，and the results show that the proposed algorithm has better subjective vision effect and objective quality than that by Tikhonov regularization based reconstruction.

Key words: super resolution, motion estimation, total variation regularization, conjugate gradient

周卫峰^1,2,李成军^1,2,朱重光². 基于总变分的超分辨率图像重建[J]. 计算机工程与应用, 2007, 43(36): 91-93.

ZHOU Wei-feng^1,2,LI Cheng-jun^1,2,ZHU Chong-guang². Super resolution image reconstruction based on total variation[J]. Computer Engineering and Applications, 2007, 43(36): 91-93.

[1]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[2]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[3]	夏皓，吕宏峰，罗军，蔡念. 图像超分辨率深度学习研究及应用进展[J]. 计算机工程与应用, 2021, 57(24): 51-60.
[4]	刘璟，宋海川，黄建设，马利庄. 通道与空间注意力图像超分辨率网络[J]. 计算机工程与应用, 2021, 57(2): 209-216.
[5]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[6]	黄健，赵元元，郭苹，王静. 深度学习的单幅图像超分辨率重建方法综述[J]. 计算机工程与应用, 2021, 57(18): 13-23.
[7]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[8]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[9]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[10]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[11]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络人脸超分辨率重建算法研究[J]. 计算机工程与应用, 2021, 57(11): 219-223.
[12]	陈晨，刘明明，刘兵，周勇. 基于残差网络的图像超分辨率重建算法[J]. 计算机工程与应用, 2020, 56(8): 185-191.
[13]	李诚，张羽，黄初华. 改进的生成对抗网络图像超分辨率重建[J]. 计算机工程与应用, 2020, 56(4): 191-196.
[14]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[15]	张贺舒，李涛，宋公飞. 单帧图像的耦合生成式对抗超分辨率重建[J]. 计算机工程与应用, 2020, 56(24): 194-200.