视频超分辨率算法模型概述【图像视频超分辨率】

传统算法模型

基于插值的技术

• 最邻近元法
• 双线性内插法
• 三次内插法

基于重建的方法

概率论、集合类

• 凸集投影法（POCS）
• 贝叶斯分析法
• 迭代反投影法（IBP）
• 后验概率方法
• 正规化方法
• 混合方法

基于机器学习的方法（非深度学习） 

• Example-based方法
• 邻域嵌入方法
• 支持向量回归方法
• 稀疏表示法

挑战和难度

• 散焦
• 噪点
• 压缩失真
• 传感器噪声

算法模型函数

模型的学习函数

其中Ix和Iy分别表示低清图像与超分辨率图像，F表示超分模型，θ为模型中的参数。

其中D表示降级映射， б为模型中的参数。

模型的学习目标

其中L为损失函数，Φ(θ)为正则项，λ为惩罚系数。

图像降级模型

简单的下采样

式中的↓表示下采样操作，s表示下采样的倍数

加入模糊和噪声的下采样

其中的⊙表示卷积，k为卷积核, n 为噪声（⊙代替上图的卷积操作符号）

预上采样

后上采样

逐步上采样

交替上下采样

模型评价方法

峰值信噪比(PSNR)

结构相似度(SSIM)