图像超分辨率重建技术综述 ，叶富泽，包立君，图像超分辨率重建（Image super-resolution restoration, SR）技术是计算机视觉与图像处理的研究热点，并在视频监控，遥感成像，医学图像等领�

图像超分辨率重建( super － resolution，SＲ) 是指从观测到的低分辨率图像重建出相应的高.分辨率图像，在目标检测、医学成像和卫星遥感等领域都有着重要的应用价值． 近年来，随着深度.学习的迅速发展，基于深度学习的图像超分辨率重建方法取得了显著的进步． 为了把握目前基于.深度学习的图像超分辨率重建方法的发展情况和研究热点，对一些最新的基于深度学习的图像.超分辨率重建方法进行了梳理，将它们分为两大类( 有监督的和无监督的) 分别进行阐述． 然后，.在公开的数据集上，将主流方法的性能进行了对比分析． 最后，对基于深度学习的图像超分辨率.重建方法进行了总结，并对其未来的研究趋势进行了展望．

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,为了实现对特征的充分利用,采用密集连接方式将浅层网络的特征输送到深层网络结构的每一层,有效避免图像特征的丢失。并在末端进行亚像素卷积,对图像进行反卷积操作,完成图像最终的超分辨率重建,大大减少了训练耗时。在判别网络结构中,采用6个卷积模块和一个全连接层对真伪图像进行甄别,采用对抗博弈的思想,提升重建图像的质量。实验结果表明,本文算法在视觉效果评估、峰值信噪比值、结构相似性值以及耗时等多方面指标上都有了很大的改善,恢复出较为丰富的图像细节信息,取得了较好的视觉效果和综合特性。

经典盲解卷积（ 图像超分辨率重建）.

基于深度学习特征字典的单帧图像超分辨率重建.pdf

重建过程包括三个部分：图像配准、非均匀性内插及去模糊与去噪。图像配准精度越高，超分辨率重建效果越好，而图像分辨率越高，则图像配准精度越高，并以此为基础提出了一种联合图像配准的超分辨率重建算法

利用matlab实现图像超分辨率重建，效果比传统插值法更好

行业分类-物理装置-基于二维多集偏最小二乘的人脸图像超分辨率重建方法.zip

关于图像盲复原的经典文章，对于不确定点扩散函数的情况下，盲解卷积是一种比较好的方法

图像超分辨率重建（ 适合初学超分辨率重建使用 图像超分辨率 SR工具箱）