经典超分辨率重建论文，基于稀疏表示。下面首先介绍稀疏表示，然后介绍论文的基本思想和算法优化过程，最后使用python进行实验。 稀疏表示 稀疏表示是指，使用过完备字典中少量向量的线性组合来表示某个元素。过完备字典是一个列数大于行数的行满秩矩阵，也就是说，它的列向量有无数种线性组合来表达列向量空间中的任意点。由于它的列数通常远大于行数，可以使用占比很小的列向量来表示特定的向量，我们称这种表示为稀疏 ...
2021-03-04 21:32 15 870 推荐指数：
由于最近正在做图像超分辨重建方面的研究，有幸看到了杨建超老师和马毅老师等大牛于2010年发表的一篇关于图像超分辨率的经典论文《ImageSuper-Resolution Via Sparse Representation》，于是对该论文进行大概的翻译，如有不当之处，还请大家帮忙多多指正 ...
该算法受到了最近的（manifold learning）流行学习算法的启发，特别是局部线性嵌入（LLE）。我们运用局部重叠来增强重建高分图像块之间的兼容性和平滑约束。具体来说，高分和低分图像块在两个不同的特征空间中形成了类似局部几何的流形。就像LLE中，局部几何结构特征是通过 一个块（patch ...
超分辨率问题（Image super-resolution, SR) 从低分辨率(LR)的图像中 ...
一、相关概念 1.分辨率 图像分辨率指图像中存储的信息量，是每英寸图像内有多少个像素点，分辨率的单位为PPI(Pixels Per Inch)，通常叫做像素每英寸。一般情况下，图像分辨率越高，图像中包含的细节就越多，信息量也越大。图像分辨率分为空间分辨率和时间分辨率。通常，分辨率被表示成每一个 ...
本篇是基于 NAS 的图像超分辨率的文章，知名学术性自媒体 Paperweekly 在该文公布后迅速跟进，发表分析称「属于目前很火的 AutoML / Neural Architecture Search，论文基于弹性搜索（宏观+微观）在超分辨率问题上取得了非常好的结果。这种架构搜索在相当 ...
Google Pixel 超分辨率--Super Resolution Zoom Google 的Super Res Zoom技术，主要用于在zoom时增强画面细节以及提升在夜景下的效果。 文章的主要贡献有： · 使用多帧图像超分辨算法代替去马赛克算法 · 引入 ...
使用深度学习的超分辨率介绍 关于使用深度学习进行超分辨率的各种组件，损失函数和度量的详细讨论。 介绍 超分辨率是从给定的低分辨率（LR）图像恢复高分辨率（HR）图像的过程。由于较小的空间分辨率（即尺寸）或由于退化的结果（例如模糊），图像可能具有“较低分辨率”。我们可以通过以下 ...
都说超分辨率重建是个病态反问题，什么是病态问题呢？ 病态问题：是指输出结果对输入数据非常敏感的数值分析问题. 对一个数值分析问题, 如果输入数据有微小误差,引起问题解的相对误差很大, 那么称这个问题为病态问题. 一般而言, 病态问题是指条件数很大的数值分析问题. 病态 ...
