插值法图像超分辨率重建

高分辨率的磁共振图像可以提供更加清晰的解剖图像，从而促进疾病的早期诊断。但是医疗成像系统的固有缺陷，使得高分辨率医学图像的获取面临许多问题，解决这类问题的方法之一就是使用超分辨率重建技术。针对医学图像

对于目前图像超分辨率重建算法中的问题，忽略重建图像结构性和重建过程中丢失高频信息，提出了一种基于多字典的单幅图像超分辨率重建算法。在字典学习阶段根据每个图像块的主方向角，对所有训练图像块进行聚类并训练

基于深度网络的单幅图像超分辨率重建，曾坤，李翠华，本文提出了一种全新的基于深度网络的单幅图像超分辨率重建算法。该方法首先通过自编码器得到图像的内在表示，然后通过深度网络学

基于多特征的红外图像超分辨率重建，杨晓敏，韦帅方，在超分辨率研究过程中，人们发现图像块的特征提取是决定超分辨率重建质量的重要环节。图像特征直接表达图像块的结构信息。传统的

图像去噪是图像处理中一个重要而又富有挑战性的课题。已有的图像去噪算法对噪声模型作出假设,在达到假设条件时取得较好的去噪效果。这类算法不能完全去除噪声,而且会削弱图像信号的细节。把图像和噪声看作是互相独

提出了小波域在中频可调节系数范围δ和θ之间保持直方图统计特性不变的安全密写方案。该方案不仅能抵抗直方图统计分析，还能抵抗压缩编码。实验对比表明，安全性明显提高。

针对图像超分辨率重建过程中出现的边缘细节模糊、图像特征丢失的问题,提出基于密集连接的生成对抗网络图像超分辨率重建算法。该算法由生成网络和判别网络组成,在生成网络结构中,将原始低分辨率图像作为网络的输入

针对飞行时间相机获取深度图像分辨率低, 并受成像噪声干扰的问题, 提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预

基于小波插值的分辨率提高等论文，都是基本是万芳下来的

近年来,深度卷积网络在单幅图像超分辨问题上取得了非常好的效果,然而,由于超分辨问题的病态性,自低分辨率的图像复原得到高分辨率图像的算法仍然有很大的改进空间。为了进一步提高单幅图像超分辨率重建的精度,主