针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明，采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息，提高图像的空间分辨率，并能提高图像的峰值信噪比，更适合人眼视觉系统。

为了进一步增强视频图像超分辨率重建的效果，研究利用卷积神经网络的特性进行视频图像的空间分辨率重建，提出了一种基于卷积神经网络的视频图像重建模型。采取预训练的策略用于重建模型参数的初始化，同时在多帧视频图像的空间和时间维度上进行训练，提取描述主要运动信息的特征进行学习，充分利用视频帧间图像的信息互补进行中间帧的重建。针对帧间图像的运动模糊，采用自适应运动补偿加以处理，对通道进行优化输出得到高分辨率的重建图像。实验表明，重建视频图像在平均客观评价指标上均有较大提升（PSNR 0.4 dB/SSIM 0.02），并且有效减少了图像在主观视觉效果上的边缘模糊现象。与其他传统算法相比，在图像评价的客观指标和主观视觉效果上均有明显的提升，为视频图像的超分辨率重建提供了一种基于卷积神经网络的新颖架构，也为进一步探索基于深度学习的视频图像超分辨率重建方法提供了思路。

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．

超高分辨率matlab代码HDRI-SR Jae Woong Soh、Jae Sung Park 和 Nam Ik Cho 环境 Ubuntu 18.04 CUDA 9.0 和 cuDNN 7.1 Python 3.6 MATLAB 抽象的 本文提出了一种基于卷积神经网络 (CNN) 的联合增强图像分辨率和动态范围的新框架，即同步超分辨率 (SR) 和高动态范围成像 (HDRI)。 从这两个任务的共同趋势来看，我们通过专注于高频细节的重建，为联合 HDRI 和 SR 训练了一个 CNN。 具体来说，我们工作中的高频分量是根据基于 Retinex 的图像分解的反射分量，只有反射分量由 CNN 处理，而另一个分量（照明）以常规方式处理。 在训练 CNN 时，我们设计了一个适当的损失函数，有助于提高结果图像的自然质量。 实验表明，我们的算法优于基于 CNN 的 SR 和 HDRI 的级联实现。 我们提出的方法的简要说明 拟议计划的整体流程 LDR-LR 输入首先分解为照明和反射分量。 ILL-E 和 REF-E 分别对每个组件进行增强，最后合并在一起以生成 HDR-SR 图像。 图像分解 首

正则化超分辨率重建中自适应去噪算法硕士论文研究.docx

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。

内含四种超分辨率重建模型 使用方法： python super_res.py --model models/EDSR_x4.pb --image ...(图片路径) python opencv超分辨率重建 4种模型: EDSR_x4.pb ESPCN_x4.pb FSRCNN_x3.pb LapSRN_x8.pb

经典盲解卷积（ 图像超分辨率重建）.

图像处理MATLABGUI界面，实现对输入图像的超分辨率重建