我们提出了一种基于超分辨和焦外虚化渲染的光场重聚焦方法。本方法将超分辨和焦外虚化渲染按照场景深度加权整合在一起，同时实现聚焦区域的超分辨以及焦外区域的虚化渲染，从而可以利用多个低质量的摄像头合成单反相机级别的摄影图像。另外，本算法可以后期调节聚焦深度与景深，从而可以根据实际场景渲染出具有美学价值的摄影图像。算法的相关细节请参考论文： Y. Wang, J. Yang, Y. Guo, C. Xiao, and W. An, Selective light field refocusing for camera arrays using bokeh rendering and superresolution. IEEE Signal Processing Letters, 2018.

基于SIFT的超分辨率图像配准及MATLAB实现

基于改进K-SVD 字典学习的超分辨率图像重构，很好，推荐

Visual Geometry Group项目组开发的超分辨率重建的源码，具有很好的效果。 附有详细的文档说明，可直接运行

图像超分辨率MATLAB实现 一个完整的系统

基于FSRCNN的图像超分辨重建算法 加速的SRCNN模型算法

图像超分辨率程序，基于稀疏表示和正则化方法，程序带有注释，提供相关论文. 可以直接运行. Matlab code about super-resolution, based on sparse representation and regularization. The codes include annotation. Related paper also provided

多图像超分辨率的实现主要就是将具有相似而又不同却又互相补充信息的配准影像融到一起，得到非均匀采样的较高分辨率数据，复原需要亚像素精度的运动矢量场，然而它们之间的运动模型估计精确与否直接影响到重建的效果，因此影像配准和运动模型的估计精度是高分辨率图像重建的关键。由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移，因此必须对其进行配准，在此基础上进行运动模型估计。然后通过频率域或空间域的重建处理，生成均匀采样的超分辨率数据