基于MAP技术的图像类超分辨重建方法

超分辨率重建目前的研究概况以及经典的算法论文

：针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像 边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图

图像超分辨率重建技术对于输入的低分辨率图像进行相关处理，从而重构出高分辨率图像，该技术已经成为图像处理研究领域的一个热点方向。对超分辨率图像重建的研究进展进行了综述。阐述了图像超分辨率重建的基本原理。

低码率下的图像超分辨率重建，朱玲，兰旭光，本文根据压缩传感思想采用小波多尺度自适应阈值边缘检测进行图像自适应下采样并利用解凸优化问题的梅花点阵插值进行图像超分辨率

基于多层卷积神经网络学习的单帧图像超分辨率重建方法,刘娜,李翠华,构建了一个应用于超分辨率重建的PMJ模型(Perception, Memory, Judgment - Super Resolutio

文中把MAP联合求解模型应用到遥感图像序列的超分辨率重建中来,并针对其在边缘保持能力和收敛复杂度方面的局限性,做出如下的改进:运动估计阶段使用SIFT特征算子和光流法相结合提取运动矢量;引入一个二进制

在智能交通系统中，超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法，用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子，进行匹配计算，采

字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段,通过K-Means聚类算法将样本图像块划分为不同的聚类;构建基于同时稀疏约束条件的协作

生物医学图像处理与分析课程实验练习-超分辨重建，MATLAB代码，完整实验报告。但实验最终无好的效果，实验失败：（，给出分析说明。

传统的超分辨重建算法往往采用梯度下降法进行求解，迭代时步长往往通过经验确定。而且不同的图像的最优步长往往不相同。步长过大会导致发散，步长过小会导致收敛缓慢。本算法基于对正则化超分辨重建算法实现的基础上