【原文】圖像超分辨率重建算法研究_百度文庫 https://wenku.baidu.com/view/95989b79e87101f69f31955e.html
單幅圖像超分辨率：就是恢復高頻信息
單幅圖像超分辨重建是指只有一幅低分辨率觀測圖像的情況下，結合圖像的一些先驗知識，恢復出圖像獲取時丟失的高頻信息，重建出一幅高分辨宰的圖像。
對應的圖像觀測模型。
單幅圖像的超分辨率重建的概念最初由Harris和Goodman等提出[Harris，1964：Goodman，1968]。而后幾十年來隨着數字信號處理技術以及最優化理論的不斷發展，產生了許多的算法，主要可分為：基於插值的算法、基於建模的算法和基於學習的算法。
序列圖像SR的難處：
基於小波域HMT模型SR
二維小波變換的示意圖：
圖像的多尺度小波變換可以構成一個四叉樹：(P34)
小波域的HMT模型。圖中實心點代表小波系數，空心點代表小波系數的狀態。
HMT模型的參數訓練過程運用費時的EM算法，而且算法是嵌套迭代的，這導致基於HMT模型的算法計算量非常大。
重建高分辨率圖像在小波域的先驗HMT概率分布
EM更新HMT模型參數、迭代求解+更新、最后小波反變換。
HMT（Hidden Markov Tree）隱馬爾可夫樹
用隱馬爾可夫樹模型來描述圖像小波變換系數特征,利用高斯混合模型來模擬圖像小波系數的邊緣概率密度,
小波系數之間的相關性就可以通過說明隱狀態的總體聯合概率函數而得到.
由於隱馬爾可夫樹模型具有的樹形特征,使得其能很好與小波變換結合起來.
通過假設不同尺度下的小波系數的隱狀態滿足馬爾可夫性質,可以充分利用到圖像小波系數不同尺度之間的相關性.