图像超分辨率技术

改进的PMD距离图像超分辨率重建算法

针对目前基于样例学习的图像超分辨率方法难以同时满足快速运算和生成高质量图像的问题, 提出一种基于去卷积的快速图像超分辨率方法。设计新型网络模型, 以低分辨率图像作为输入图像, 利用卷积层进行特征提取与

调整后的锚定邻域回归(A +)方法是用于单幅图像超分辨率的最新方法之一。 A +方法的一个重要的隐含假设是,与相似的低分辨率(LR)图像块相对应的高分辨率(HR)图像块也必须相似。 因此,HR补丁空间

具有EDSR,WDSR和SRGAN的单图像超分辨率 基于的实现 (EDSR)的超分辨率挑战赛冠军。 (WDSR),是超分辨率挑战赛(真实轨道)的获胜者。 (SRGAN)。 这是对可用的基于Keras

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

传统遥感图像融合方法没有充分利用低分辨率多光谱图像本身的空间信息。针对这一问题,提出了一种基于低分辨率多光谱图像超分辨率处理的遥感图像融合方法。通过对低分辨率多光谱图像进行基于稀疏表示的图像超分辨率处

免安装，可以批量设置图像分辨率，很不错的软件！

小分辨率的orl图像库，可用于人脸识别分类

用MATLAB将低分辨率处理成高分辨率，实现放大功能。

从集成图像显示时再现的空间光学分布着手,研究了微透镜参数、记录/显示平面分辨率和成像系统空间分辨率的关系。研究结果表明成像系统的空间分辨率与微透镜的孔径和焦距大小有关。采用较小尺寸的微透镜,有助于提高