基于广义HuberMRF图像建模的超分辨率复原算法

多角度多时向遥感图像的超分辨率重建，针对WORLD-VIEW2卫星提出的新的重建算法，非常详细的设计方案。

卷积稀疏编码实现图像超分辨率

ESRGAN（Enhanced Super-Resolution Generative Adversarial Network）是一种基于生成对抗网络（GAN）的深度学习模型，专注于图像超分辨率增强领

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。

深度卷积网络的遥感图像超分辨率

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

图像融合是图像拼接中的关键技术。在CUDA中充分利用GPU的多处理单元和多线程机制对图像处理进行并行计算，较传统的CPU实现大大加快了多分辨率图像融合的执行速度，提高了应用体验。

基于极深网络的图像超分辨率算法研究，林思远，门爱东，论文基于超分辨率中的极深网络的方法实现图像超分辨率。分析了极深网络与相对于卷积神经网络在图像超分辨率中的优势以及极深网络

针对多帧低分辨率图像重建问题,提出了基于稀疏编码和随机森林的超分辨率算法。首先,使用高分辨率训练图像和低分辨率训练图像获取高分辨率字典;然后,使用重叠块缓解块边界的振铃现象,并使用反向投影保证全局一致

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