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(3)

菜单

如今，图像超分辨率技术在众多领域都得到了良好的应用，比如：

1) 医学影像诊断：在现有的硬件水平下，CT（电子计算机断层扫描）图像、X射线图像、MIR（核磁共振）图像的分辨率常常达不到较为理想的清晰度标准。所以，采用图像超分辨率技术对收集到的低分辨率图像进行后续的处理，从而获得高分辨率图像，有助于医生正确分析和判断病人的病情。

2) 视频转码及多媒体：在移动网络中，网络阻塞会严重影响视频浏览效果，暂时的网络阻塞会大大降低用户的观感体验。视频服务器端通常会把同一视频的不同码率版本保存下来，不同码率的视频可以通过改变已有视频的分辨率、帧率和量化步长等获得，这样用户就可以依据此时的网络状态选取适合的码率进行视频观看。在网络状态不佳时，用户通常会选择低码率的“流畅”版本，网络供应商也会在网络节点中增加自适应视频转码过程。当中继节点采用降分变率转码时，可以在用户端采用快速的超分辨率技术，尽量恢复原来的分辨率，从而大大提升视频观赏效果。

3) 卫星遥感技术应用：遥感是指非接触、远距离的探测技术，通过卫星的图像探测等遥测仪器设备，可以绘制卫星地图，进而对地球表面进行监测，对资源进行管理。卫星遥感广泛应用于农林业、地质海洋、气象水文、军事防卫等领域，它以航空摄影技术为基础。当卫星在大气中运行时，恶劣的自然环境和设备系统性能等多种因素都会对图像的分辨率产生严重影响，采用图像超分辨率技术，可以把卫星处于同一地区不同角度下获取的低分辨变率序列图像进行相应的处理，在保持已有的硬件设备条件下，产生更高分辨率的图像，由此，可以改善卫星遥感图像的清晰度，提升对于目标物体的识别精度和监测水平。

4) 信息识别与安全监控：在破案侦查时，常常需要提取商场、小区、校园、公路等公共环境中的监控录像，当通过录像搜索和观察到可疑行为或不法分子后，可以采用图像超分辨率技术对监控视频中含有线索的部分进行处理，进一步获得清晰的高分辨率图像序列，提取图像中的详细信息，掌握清晰的局部特征，获得精确的识别结果。有时甚至需要利用图像超分辨率技术对人脸、指纹、虹膜等生物信息进行识别，以便于获得更多的细节帮助警察找到更多的破案线索和犯罪证据。

1.2 图像超分辨率技术的研究现状及研究难点

1.2.1 研究现状

1.2.2 研究难点

随着图像超分辨率这一概念在上一世纪被初次提出，研究学者不断探求更加新颖、更加行之有效的图像超分辨率方法。虽然图像超分辨率技术已经成为当今的热点课题，发展十分迅速，但是在实际应用中，还有很多问题需要进一步解决。在未来的研究过程中，还有如下的方面需要完善：

1) 时效性和处理效果：将图像超分辨率的理论知识应用到实际的生产生活中，有许多现实的因素需要考虑，例如：算法的复杂程度、运行时间、处理效果等。一般来说，在图像超分辨率技术中，算法的复杂程度和运行时间同算法处理效果是相互矛盾的。也就是说，算法的复杂程度越高，其运行时间就越长，相对地，处理效果就越不理想；如果处理效果越符合期待，算法的运行时间和复杂程度就越高。由于图像超分辨率的应用领域十分广泛，而算法复杂度、运行时间同处理效果往往不可兼顾。因此，不同的应用领域，侧重点通常不同。例如：在卫星遥感、医学影像领域中，往往对于算法的运行时间方面没有严苛的要求，而图像的处理效果却影响监测效果和病人的病情诊断，因此，需要将研究关注度更多地放在处理效果这一方面。相反，在视频多媒体领域，在线用户在感受视觉体验效果的同时，通常会更加关注视频的播放流畅度，因此，研究学者可以将更多的精力投注于算法的实时性方面。在图像超分辨率技术的未来研究中，如何在追求图像处理效果的同时，通过不断地优化来完善已有方法，并提出更加新颖的算法来精简运算结构，从而加快运行速度，这些问题还值得更多的关注。