基于学习的多帧图像超分辨率重建技术探究

多帧图像超分辨率重建技术主要是一种对图像进行处理的技术,是计算机图形学领域的一项重点研究,本文主要分析基于学习的多帧图像超分辨率重建技术基本理论,其中包括传统基于统计理论与多帧图像超分辨率算法的比较,分析两种技术的最新研究结果,提出基于学习的多帧图像超分辨率重建技术的未来展望。

基于学习的多帧图像超分辨率重建技术研究

由于可用信息不足,多帧图像超分辨率重建问题常常是一个不适定问题。为解这一问题,需要额外的图像先验知识。本文提出一个基于学习的多帧图像超分辨率重建算法,该方法从训练图像集中学习先验知识。实验表明本文方法要优于传统基于最大后验概率估计的超分辨率重建算法。

基于深过冷熔体的序列图像超分辨率重建

目前,超分辨率重建技术广泛应用于医学图像、遥感图像等领域。材料科学等学科研究中,落管是提供微重力的设备,基于落管的深过冷熔体是笔者的研究对象。材料方面,研究人员需要观测实验过程中目标材料的形态结构等特征,但受限于硬件环境,仅能得到数量庞大的低分辨率序列图像。基于此问题,引入VESPCN(VideoEfficient Sub-pixelConvolutionalNeuralNetwork)多帧图像超分辨率重建算法,成功构建深过冷熔体的高清图像,且基于PSNR(Peak Signal to Noise Ratio)和SSIM(Structural Similarity Measure)指标,提高了重建效果。