Super-Resolution from a Single Image

source: ICCV09
authors: Daniel Glasner Shai Bagon Michal Irani

简介

  • 超分辨率
    输入一张低分辨率图像,比如100x100,将其升高到到高分辨率,比如200x200,并且要求清晰度尽量不变。也就是输出结果比输入有着更多的信息,是一个ill-posed的问题,所以称为“超”分辨。一开始超分辨问题一般是用多张的相似的低分辨图像恢复成单张高分辨率图像,后来发现了其局限性,提出了基于样例学习的方法,即通过产生多个“低分辨-高分辨”图像对并学习其中的对应关系。该文章将上述两种方法称为“Classical SR”和“Example-based SR”,并提出一个框架将它们整合在一起,而且能够用于单张低分辨率图像到高分辨率图像的恢复。

核心

见上图,作者发现了图像的自相似性:即在同一个张图片的多个尺度下,能够找到外观极其类似的图像块。例,在原图中,左上角子图中的红框是屋子的一扇窗户;而在低分辨率图像中,它跟屋子的门极其相似(左下角子图红框)。于是可以认为找到了一个“低分辨-高分辨”图像对,这样就能够利用相关信息进行恢复。

两种形式的恢复

  • 第一种Classical SR。

上图(a)中代表的过程就就是Classical SR的过程,也就是利用多张低分辨图像的同样位置的patch来拟合高分辨率图像中的对应区域。对于低分辨率图片中的一点,可以找到高分辨率图片的一个patch进行对应,可以改写成一个线性的约束表达式:

当这些区域之间有重叠的时候,就可以通过联立方程求解了。这个就是Classical SR的一般性求解过程,这里需要多张低分辨率图像。加上该文章提出的自相似性,就可以只用单张的低分辨率图像了:对于低分辨图像中的每个patch,用NN找到相似的patch,然后映射会高分辨率的感受野,通过重叠部分来联立方程。(对应上图(b))
然后说第二种Example-based SR。其实也直观,就是Classical SR是在同一个尺度下找相似的,而Example-based SR是在不同尺度下找相似的。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容