基于深度学习的图像超分辨率（paper集）

超分辨率技术方法的研究,重点对单帧和多帧超分辨率图像处理的方法进行了评述。

基于Markov约束的最大后验概率超分辨率图像复原。 很好的参考论文，被很多人引用，可以学到很多东西。

数字图象处理实验一源代码 I=imread('lena.jpg'); imshow(I); for i=1:512 for j=1:512 R(i,j)=I(i,j); end end

近年来, 基于深度学习的单幅图像超分辨率方法已经取得了显著成就。但这些方法仅研究图像空域, 忽略了图像频域中高频信息的重要性, 从而导致生成的图像相对平滑。利用小波变换能够提取图像细节的特性, 因此提

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

摘　要:超分辨率技术是由低分辨率图像复原出高分辨率图像的技术。针对人脸图像进行基于学习的超分辨率技术研究,将流形学习算法融入到超分辨率算法中,并且将其用于人脸图像的超分辨率复原。对流形学习应用于基于

基于词典学习和稀疏表示的超分辨率方法，是一种图像复原的快速方法，也是最近发现的的比较使用的方法，主要用于序列图像的超分辨率复原

基于边缘保持的航拍图像凸集投影超分辨率重建算法，属于序列图像的超分辨率复原。

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

本文提出了一种基于超分辨率图像重建的质心细分定位的新方法。在图像识别与匹配中,往往需要用到物理、数字等的特征提取方法,当给定的图像分辨率低时,就会使得所提取出的特征产生不可忽略的误差。为了解决这一问题