一种基于参考高分辨率图像的视频序列超分辨率复原算法

　　在数字图像应用中，空间分辨率是表征图像质量的重要指标。高分辨率意味着图像的像

　　素密度高，能够提供更多的细节信息。提高成像系统的空间分辨率一直以来都是成像技术领

　　域的一项重要研究内容。虽然半导体技术的发展已使得成像器件的分辨率达到了较高的水

　　平，但受设备成本、体积以及存储能力的制约，这些高分辨率设备在众多日常领域很难得到

　　广泛应用。特别是在一些视频成像设备中，动态视频所能达到的分辨率远低于静止图像。因

　　此如何在不改变成像系统硬件设备的前提下，提高已获取动态视频的分辨率，具有更为重要

　　的应用意义。超分辨率复原技术，作为一种不需要硬件参与的提高图像空间分辨率的方法，

　　为这一问题的解决提供了经济有效的途径。它能够通过信号处理的方法，利用连续多帧低分

　　辨率图像中不同而又相似的信息，并结合图像的先验知识，重建高分辨率图像。其主要优点

　　是成本低廉，而且已获取的低分辨率图像仍能得到有效利用［1］。

　　与单帧高分辨率图像的复原算法相比，对视频序列中所有帧进行超分辨率复原的研究相

　　对较少［1］。因为从理论上讲，将任何一种单帧图像的超分辨率复原算法用于视频序列中的连

　　续各帧，均能实现视频序列的超分辨率复原，即序列图像的静态批处理方法［2］。实际应用中，

　　这往往会受到运算复杂度的限制，而且，对各帧图像的单独处理未能有效利用相邻帧已复原

　　图像的有用信息，造成运算量的大量浪费。基于迭代［3］和自适应滤波［4］的方法通过利用已重

　　建高分辨率图像的有效信息，降低了算法的复杂度。但这些算法仍是以传统的单帧超分辨

　　复原算法为基础的，未能充分考虑视频序列应用自身的特点，提高算法的性能。例如在一些

　　实际应用中，成像设备能够同时提供静止图像和动态视频的拍摄，而且静止图像的分辨率通

　　常远高于视频图像。因此同一场景的高分辨率静止图像对于序列图像的复原将具有重要的借

　　鉴意义。为此，文献［5］提出一种 DCT 域基于参考帧高分辨率图像的视频序列超分辨率复原

　　算法。该算法在基于学习的超分辨率复原［6］框架下，以同一场景的高分辨率图像为例子图像，

　　通过 DCT 域块匹配运算，搜索匹配图像块的高频信息用于复原图像块，收到了较好的效果。

　　但是由于该方法在 DCT 域以固定的块尺寸进行匹配，匹配误差较大，且直接将匹配图像块