【原文】图像超分辨率重建算法研究_百度文库 https://wenku.baidu.com/view/95989b79e87101f69f31955e.html
单幅图像超分辨率：就是恢复高频信息
单幅图像超分辨重建是指只有一幅低分辨率观测图像的情况下，结合图像的一些先验知识，恢复出图像获取时丢失的高频信息，重建出一幅高分辨宰的图像。
对应的图像观测模型。
单幅图像的超分辨率重建的概念最初由Harris和Goodman等提出[Harris，1964：Goodman，1968]。而后几十年来随着数字信号处理技术以及最优化理论的不断发展，产生了许多的算法，主要可分为：基于插值的算法、基于建模的算法和基于学习的算法。
序列图像SR的难处：
基于小波域HMT模型SR
二维小波变换的示意图：
图像的多尺度小波变换可以构成一个四叉树：(P34)
小波域的HMT模型。图中实心点代表小波系数，空心点代表小波系数的状态。
HMT模型的参数训练过程运用费时的EM算法，而且算法是嵌套迭代的，这导致基于HMT模型的算法计算量非常大。
重建高分辨率图像在小波域的先验HMT概率分布
EM更新HMT模型参数、迭代求解+更新、最后小波反变换。
HMT（Hidden Markov Tree）隐马尔可夫树
用隐马尔可夫树模型来描述图像小波变换系数特征,利用高斯混合模型来模拟图像小波系数的边缘概率密度,
小波系数之间的相关性就可以通过说明隐状态的总体联合概率函数而得到.
由于隐马尔可夫树模型具有的树形特征,使得其能很好与小波变换结合起来.
通过假设不同尺度下的小波系数的隐状态满足马尔可夫性质,可以充分利用到图像小波系数不同尺度之间的相关性.