图像超分辨率代码实现

学习笔记之——基于深度学习的图像超分辨率这篇博文的paper集合，都是从网上download下来的原文，虽然博文中也给出了链接，为方便读者阅读，将paper原文打包在此

序列图像的超分辨率重建指的是利用一系列已经获得的分辨率相对比较低的图像，通过现有的技术手段以及方法，恢复出较高分辨率图像的方法。每一幅低分辨率图像只能提供高分辨率图像的部分信息。超分辨率重建具有多方面

人工神经网络凭借其超强的学习能力，使得人工智能得到迅猛的发展，让人工神经网络再次成为研究热点。目前深度学习已经广泛应用于计算机视觉，语音处理，自然语言处理等各个领域，甚至在某些领域已经起到了主导作用。

如果采用改善物理硬件的方法来获取人们满意的高分辨率图像,则成本较高,而且有时难于实现。因此有必要考虑一种能够克服这些限制的新措施来提高图像空间分辨率。超分辨率重建技术就在这种背景下应运而生。

Multi-image super-resolution reconstruction algorithm based on Matlab

该开源工具能够对图像进行有效的超分辨率处理，尤其在识别和增强模糊图像边缘方面表现出色。需要注意的是，如果原始图像边缘过于模糊，可能会影响最终的清晰度提升效果。 获取工具安装包，请访问：https://

数字图像超分辨率重构技术研究，数字图像超分辨率重建是近20年来兴起的一门新的数字图像处理技术。随着计算机硬件技术和软件设计技术的不断发展,各种数字图像超分辨率重建算法被提出。综述超分辨率重建的相关技术

基于人脸图像超分辨率重构算法的研究，利用马尔科夫网络提出了一种新的架构。

基于结构调制稀疏表示的图像超分辨率

改进的PMD距离图像超分辨率重建算法