很多上网本的分辨率为1024×600，如改为其他分辨率则屏幕不能完整显示。笔者找到一款Netbook通用分辨率管理软件，它是Eee PC上的Astray Plus分辨率调节软件升级版本，经过笔者测试发现，它适用于所有品牌的上网本。

srgan-tensorflow超分辨率图像重建

JPedal完美破解和利用Jpedal进行PDF图片转换实例。

关于PyTorch 1.2.0 现在，master分支默认支持PyTorch 1.2.0。 由于严重的版本问题（尤其是torch.utils.data.dataloader），MDSR功能被暂时禁用。 如果您必须训练/评估MDSR模型，请使用旧版分支。 EDSR-PyTorch 关于PyTorch 1.1.0 1.1.0更新进行了较小的更改。 现在，我们默认情况下支持PyTorch 1.1.0，如果您喜欢旧版本，请使用旧版分支。 该存储库是CVPRW 2017，第二版NTIRE的PyTorch官方实现，其论文为“用于单图像超分辨率的增强型深度残差网络” 。 您可以从找到原始代码和更多信息。 如果您发现我们的工作对您的研究或出版物有用，请引用我们的工作： [1] Bee Lim，Sanghyun Son，Heewon Kim，Seungjun Nah和Kyoung Mu Lee

针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题, 提出了一种基于深层残差网络的加速图像超分辨率重建方法, 该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度, 通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射, 只在网络的末端引入子像素卷积层, 将像素进行重新排列, 得到高分辨率图像。实验结果表明, 在set 5, set 14, BSD100测试集上, 所提算法的峰值信噪比与结构相似性指数均高于现有的几种算法, 能够恢复更多的图像细节, 图像边缘也更加完整且收敛速度更快。

此功能基于扩散驱动的正则化功能（regularizeSR.m）实现多帧超分辨率模型。 该函数的输入是：s（输入图像序列）、delta_est（水平和垂直方向的平移运动值）、phi_est（旋转运动）和因子（放大率）。 估计运动（旋转和平移）的配准方法是 Keren（请参阅伊朗及其同事的工作，“通过图像配准提高分辨率”）。 相应论文，题为“A Noise-Suppressing and Edge-Preserving Multi-Frame Super-Resolution Image Reconstruction Method”，已提交至Journal of Signal Processing: Image Communication（手稿ID：image3133），正在第二次修订中。 请注意， http://lcav.epfl.ch/software/superresolution提供的

XGM2019e is a combined global gravity field model represented through spheroidal harmonics up to d/o 5399, corresponding to a spatial resolution of 2’ (~4 km). As data sources it includes the satellite model GOCO06s in the longer wavelength area combined with terrestrial measurements for the shorter wavelengths. The terrestrial data itself consists over land and ocean of gravity anomalies provided by courtesy of NGA (identical to XGM2016, having a resolution of 15’) augmented with topographically derived gravity over land (EARTH2014). Over the oceans, gravity anomalies derived from satellite altimetry are used (DTU13, in consistency with the NGA dataset). The combination of the satellite data with the terrestrial observations is performed by using full normal equations up to d/o 719 (15’). Beyond d/o 719, a block-diagonal least-squares solution is calculated for the high-resolution terrestrial data (from topography and altimetry). All calculations are performed in the spheroidal harmonic domain. In the spectral band up to d/o 719 the new model shows over land a slightly improved behavior over preceding models such as XGM2016, EIGEN6c4 or EGM2008 when comparing it to independent GPS leveling data. Over land and in the spectral range above d/o 719 the accuracy of XGM2019e slightly suffers from the sole use oftopographic forward modelling; Hence, errors are increased in well-surveyed areas compared to models containing real gravity data, e.g. EIGEN6c4 or EGM2008. However, the performance of XGM2019e can be considered as globally more homogeneous and independent from existing high resolution global models. Over the oceans the model exhibits an improved performance throughout the complete spectrum (equal or better than preceding models).

针对序列图像超分辨率重建非局部均值（non-local means，NLM）算法重建结果图像边缘区域过平滑的问题，提出了一种局部参数自适应改进方法。将整幅图像划分为图像子块，然后根据图像子块平均像素信息计算出其对应的滤波参数，这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明，与经典NLM重构算法相比，改进算法重建出的结果图像的轮廓边缘更清晰，字符辨识度更高；在算法实现方面，图像重构程序在CPU/GPU平台上实现，使用GPU并行化加速的程序比单CPU运算的程序，加速比最高可达

格式化工厂,强大的格式转换软件，用来做视频格式转换、分辨率调整等很方便的一个实用工具，提供了音视频文件的剪辑，合并，分割

Andoird设备相机拍摄指定分辨率照片demo，支持分辨率选择列表，直接设置相机硬件参数，无需压缩。