深度学习之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。

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。

 

图1

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

图2

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【5】

转自：图鸭Tucodec

完整内容请点击“阅读原文”