图像超分辨率论文

问：SRGAN-超分辨率重建GAN

1. 答：        SRGAN是2017年CVPR中备受关注的超分辨率论文，把超分辨率的效果带到了一个新的高度。所谓超分辨率重建就是将低分辨率的图像恢复成对应的高分辨率图像。由于地分辨率图像存在大量的数亏信息缺失，这是一个病态的求逆解问题，尤其在恢复高倍分辨率图像的时候。传统方法通过加入一些先验信息来恢复高分辨率图像，如，插值法、稀疏学习、还有基于回归方法的随机森林等，CNN在超分辨率问题上取得了非常好的效果。
           SRGAN是基于CNN采用GAN方法进行训练来实现图像的超分辨率重建的。它包含一个生成器和一个判别器，判别器的主体是VGG19，生成器的主体是一连串的Residual block，同时在模型的后部加入了subpixel模块，借鉴了Shi et al 的work的思想，让图片在最后的 层才增加分辨率，使得提升分别率的同时减少了计算量。论文中给出的 结构如图所示：
   论文中还给出了生成器和判别器的损失函数的形式：
   1.生成器的损失函数为 ：  
         
   其中， 为本文所提出的感知损失函数, 。
   内容损失 ： ;   训练 时使用均方差损失可以获得较高的峰值信噪比，一般的超分辨率重御毕辩建方法中，内容损失都选择使用生成图像和目标图像的均方差损失（MSELoss），但是使用均方差损失恢复的图像会丢失镇缺很多高频细节。因此，本文先将生成图像和目标图像分别输入到VGG 中，然后对他们经过VGG后得到的feature map求欧式距离，并将其作为VGG loss。
   对抗损失 ： ； 为了避免当判别器训练较好时生成器出现梯度消失，本文将生成器的损失函数   进行了修改。
   2.判别器的损失函数为：
   与普通的生成对抗 判别器的的损失函数类似。

问：如何理解超声的分辨率？

1. 答：首先超声系统分辨率的定义是指辨别两种物体、两种组织或两个目标的能力，定义为在显示器上刚好能亩数区分开的两点靶间距的实际距离。距离越小，分辨率越强。同时还有一个相似的概念叫分辨力，为靶间距的实际距离的倒数。横向分辨率（又称径向分辨率或方位分辨率）描述了沿着与波束轴线垂直的、波束截面扫描方位上的分辨率。纵向分辨率（又称距离分辨率或者轴向分辨率）是指沿着波束轴线方向的分辨率。不太清楚问题中关于超声声束的高度的定义迅洞首。关于影响两个分辨率的因素，简述如下：横向分辨率：超声波束的宽度。就是指垂直于声束轴线截面的横向分辨尺寸。由于超声波是扩散的。在近场区，波束宽度大致等于换能器的直径；在远场区，波束扩散，随距离增大而增大。因而横向分辨率随深度增加而颤卖下降。纵向分辨率：脉冲宽度。在超声系统中一般都采用脉冲回声技术，发射声波为单位脉冲信号。如果一个回波A和另一个回波B刚好不重叠时，那么A和B在图像上就刚好能区分开来。系统带宽、工作频率、超声衰减对纵向分辨率也有影响。纵向分辨率(axial resolution)： 分辨纵向(超声波传播方向)两个最接近目标(物体)的能力，其取决于脉冲长度(pulse length)，脉冲长度越短，纵向分辨率越高。纵向分辨率 = 脉冲长度/2 = (脉冲周期数 * 波长) / 2。因此，减少发射脉冲的周期数或者减少超声波波长均可提高纵向分辨率。这也是提高超声探头(换能器)的中心频率(超声波波长减少，超声波波长=声速*周期=声速/频率)，就可提高纵向分辨率的原因。
2. 答：B超仪的图像分辨力是仪器的主要性能参数之一，本文歼枣主要分析了影响超声图像的空间分辨力的各种因素。显示器一般都可显示500像素×500像素矩阵．其图像分辨力是足够好的。超声扫查线数量（通常≤256线）所决定的横向（侧向）空间采样分辨力在中远场区（对凸阵、相控阵）较差．电子聚焦系统的质量可能是决定B超仪横向分辨力的最主要的因素。成像系统的频带宽度是决定B超仪纵向（轴向）分辨力的关键因素。CT与MRI是两种截然不同的检查方法。MRI是icResnaneIamge的简称，中文为磁共振成像。MRI是把人体放置在一个强大的磁场中，通过射频脉冲激发人体内氢质子，发生核磁共振，然后接受质子发出的核磁共振信号悔改猜，经过梯度场三个方向的定位，再经过计算机的运算，构成各方位的图像。CT由于X线球管和探测器是环绕人体某一部位旋转，所以只能做人体横断面的扫描成像，而MRI可做横断、矢状、冠状和任意切面的成像。MRI由不同的扫碧型描序列可形成各种图像，如T1加权像、T2加权像、质子密度像等，还有水成像、水抑制成像、脂肪抑制、弥散成像、波谱成像、功能成像等，CT只能辨别有密度差的组织，对软组织分辨力不高而MRI对软组织有较好的分辨力，如肌肉、脂肪、软骨、筋膜等信号不同。所以CT与MRI是截然不同的检查方法。
3. 答：随着数字图像技术的发展，人们对图像质量的要求越来越高。我们总希望能在最低的悉如橘代价下得到尽可能多的信息。图像分辨率越高，越清晰，就能带给人们越多的信息。可是由于成像系统受物理硬件设施的限制或保存、传输的需要，常常是以低分辨率的方式采集、保存和传输图像。同时，这些低分辨率图像常常伴有退化变形或者噪声污染。低分辨率图像的视觉效果难以满足人们需要。直接克服各种硬件技术上的瓶颈，需要睁团改善物理硬件设施的配置，这样就使得获取高分辨率图像的代价增大，橡毕成本增高。显而易见，通过数字图像的算法分析与处理技术，将低分辨率图像的清晰化或超分辨率化，是一种理想的、方便快捷、低代价的数字图像处理式，具有非常广阔的应用前景。实际上，现有的一些图像超分辨率算法，已经得到了初步的应用，如视屏监控的后期处理等等。其未来在 、医学图像等方面的应用前景广泛。本论文系统回顾了超分辨率技术的相关理论和经典算法。目前在超分辨率研究有两个主要的研究方向：多帧图像融合下的超分辨率图像重构和单帧低分辨率图像的超分辨率化。我们详细介绍了在这些研究领域的历史发展、研究现状，以及各种数值算法。

问：小妹正在做硕士论文，想请问各位图像处理大神，超分辨率重构这个方向好做吗？

1. 答：看起来很神秘，其实就是一个亚像素而已。根据我们的实际燃局经验，如果你能使用亚像素来重构图像，从而使图像变得更清晰，那么实际应用项目就会节约不少的成本。现在的亚像素一般可以到十分之一像素~二十分之一像素。只要你能做到十分之一的亚像皮笑让素重构，那么图像的分辨率就可以提高100倍（长、宽各10倍）。就好比原来你1000像素的相机，现在只要100像素了，成本节约很高的。
   不过以目前的图像软件及算法来看，亚像素的作用极其有限，你要想利用亚像素重构得到更清楚的图升肆像，3个月估计效果不明显。
2. 答：是创新啦，代码啦，之类的东西都必须从头开