[论文解读] Fast Single Image Super-Resolution

Ningning Zhao, Qi Wei+4 more|arXiv (Cornell University)|Oct 1, 2015

Advanced Image Processing Techniques参考文献 53被引用 4

一句话总结

本文提出了一种快速单图像超分辨率方法，通过推导ℓ₂-ℓ₂正则化问题的闭式解析解，利用下采样与模糊算子的频域特性。该方法实现了高斯先验下的非迭代计算，并在应用于非高斯先验（如总变差和ℓ₁-范数正则化）时显著加速了现有分裂算法。

ABSTRACT

This paper addresses the problem of single image super-resolution (SR), which consists of recovering a high resolution image from its blurred, decimated and noisy version. The existing algorithms for single image SR use different strategies to handle the decimation and blurring operators. In addition to the traditional first-order gradient methods, recent techniques investigate splitting-based methods dividing the SR problem into up-sampling and deconvolution steps that can be easily solved. Instead of following this splitting strategy, we propose to deal with the decimation and blurring operators simultaneously by taking advantage of their particular properties in the frequency domain, leading to a new fast SR approach. Specifically, an analytical solution can be obtained and implemented efficiently for the Gaussian prior or any other regularization that can be formulated into an $\ell_2$-regularized quadratic model, i.e., an $\ell_2$-$\ell_2$ optimization problem. Furthermore, the flexibility of the proposed SR scheme is shown through the use of various priors/regularizations, ranging from generic image priors to learning-based approaches. In the case of non-Gaussian priors, we show how the analytical solution derived from the Gaussian case can be embedded intotraditional splitting frameworks, allowing the computation cost of existing algorithms to be decreased significantly. Simulation results conducted on several images with different priors illustrate the effectiveness of our fast SR approach compared with the existing techniques.

研究动机与目标

• 解决基于变量分裂和迭代求解器的现有单图像超分辨率（SISR）方法计算成本过高的问题。
• 克服传统ADMM或分裂Bregman框架中对下采样与模糊操作进行分裂处理的低效性。
• 利用频域矩阵特性，为ℓ₂-ℓ₂正则化的SISR问题开发一种非迭代、解析的解法。
• 通过将该解析解嵌入现有分裂框架中，将其扩展至非高斯先验（如TV、ℓ₁）以降低计算成本。
• 展示所提方法在多种正则化类型和图像先验下的灵活性与高效性。

提出的方法

• 将SISR问题建模为ℓ₂-ℓ₂优化问题：最小化||Hx - y||² + τ||x||²，其中H用于建模模糊与下采样。
• 利用H在傅里叶域中的循环与分块循环结构，通过Woodbury矩阵恒等式推导出闭式解。
• 通过傅里叶变换对H进行特征分解：H = FᴴΛF，实现在频域中的高效求逆。
• 提出定理1，将解析解表示为x = (FᴴΨF)⁻¹Fᴴr，其中Ψ由正则化与模糊算子导出。
• 将解析解集成至ADMM框架中，用于非高斯先验（如TV、ℓ₁），以直接计算替代迭代子步骤。
• 使用快速傅里叶变换（FFTs）实现该方法，确保计算效率并支持大规模图像的可扩展性。

实验结果

研究问题

• RQ1 是否能在频域中同时处理单图像超分辨率中的下采样与模糊算子，以避免迭代分裂？
• RQ2 是否存在一种解析解，可使ℓ₂-ℓ₂正则化的SISR问题实现非迭代计算？
• RQ3 能否将高斯先验下的解析解有效重用于非高斯先验（如总变差或ℓ₁-范数）的分裂算法中？
• RQ4 与标准ADMM或分裂Bregman方法相比，所提方法在计算成本上能降低多少？
• RQ5 在不同图像和正则化类型下，该方法在PSNR和SSIM指标上的表现如何？

主要发现

• 通过利用下采样与模糊算子在频域中的结构特性，所提方法为ℓ₂-ℓ₂ SISR问题实现了闭式解。
• 该解析解将ADMM中子问题的求解从迭代计算转变为直接计算，显著提升了运算速度。
• 对于总变差和ℓ₁-范数等非高斯先验，该解析解被嵌入ADMM框架中，减少了迭代次数与整体运行时间。
• 仿真结果表明，与现有基于ADMM的SISR方法相比，所提方法在PSNR和SSIM指标上表现更优，尤其在使用TV和ℓ₁正则化时优势明显。
• 该方法在降低计算复杂度的同时保持了高重建质量，适用于实时或大规模图像超分辨率应用。