图像超分辨率重建(Super resolution reconstruction,SR)是一种只需要通过软件算法的方式改善图像质量的技术,即由输入的一幅或者多幅同一场景下的低分辨率图像重建出一幅高分辨率图像的技术。它避免了以硬件方式获得高分辨率图像难度大、成本高的固有缺陷,并在改善医学辅助诊断、图像视觉效果、人脸识别等方面有着理论意义和现实意义,使得其在刑侦分析、卫星成像、视频监控和医学图像处理等实际问题上都有着广泛的应用。随着大数据时代的到来,基于深度学习的图像超分辨率重建已经成为当前主流的一种方法。本文所做工作如下所示:1.本文首先简要概述了图像超分辨率重建技术的研究背景、意义和国内外发展现状,并对现有的超分辨率重建算法做了分类和总结,分析了该领域比较常见的几种方法。然后,详细阐述了卷积神经网络的相关理论知识。最后,将图像的超分辨率重建技术应用到素描人脸识别问题上,该方法首先根据特征脸算法将一幅素描图像合成一幅与真实人脸相似的人脸图像,其次对合成的人脸图像进行基于卷积神经网络的图像超分辨率重建处理,最后再使用线性判别分析对超分辨率重建前后的人脸图像进行识别和分析。实验结果显示基于超分辨率重建的素描人脸识别算法能够有效地改善人脸图像分辨率并进一步提高人脸识别率。2.本文研究一种边缘增强的基于深层卷积网络的图像超分辨率重建算法,该算法首先利用预处理网络提取输入低分辨率图像的低级特征,然后将其分别输入到混合网络中的两路网络,其中一路网络通过卷积层的级联得到高级特征,另一路网络通过卷积网络和与卷积网络成镜像结构的反卷积网络的级联实现图像边缘的重建。最后,利用支路连接将两路网络的结果进行融合,并将该结果通过一个卷积层从而得到最终重建的具有边缘增强效果的高分辨率图像。定量与定性的实验结果表明,该算法所重建出的高分辨率图像不仅在重建图像边缘信息方面有较好的改善,同时也在客观评价和主观视觉上都有很大提高。