Google 超分辨率技術 RAISR
全稱是“Rapid and Accurate Image Super-Resolution”，意為“快速、精確的超分辨率技術”。
利用機器學習，把低分辨率圖片轉為高分辨率圖片
效果能達到甚至超過現在的超分辨率解決方案，同時速度提升大約 10 至 100 倍，且能夠在普通的移動設備上運行。而且，Google 的技術可以避免產生混疊效應（aliasing artifacts）。
低分辨率圖片重建為尺寸更大、像素更多、更高畫質圖片的技術：升采樣方式；對於 RAISR，Google 另辟蹊徑得采用機器學習
用一對低分辨率、高分辨率圖片訓練該程序，以找出能選擇性應用於低分辨率圖片中每個像素的過濾器，這樣能生成媲美原始圖片的細節。目前有兩種訓練 RAISR 的方法。
超分辨率
超分辨率(Super-Resolution) SR技術
通過硬件或軟件的方法提高原有圖像的分辨率，通過一系列低分辨率的圖像來得到一幅高分辨率的圖像過程就是超分辨率重建。
與SR技術相關的另一個課題是圖像插值，即增加單幅圖像的尺寸。盡管這個領域已經被廣泛地研究，即使一些基本的功能已經建立，從一幅近似的LR圖像放大圖像的質量仍然是有限的，這是因為對單幅圖像插值不能恢復在LR采樣過程中損失的高頻部分。因此圖像插值方法不能被認作是SR技術。為了在這方面有更大的改進，下一步就需要應用基於同一場景的相關的額外數據。基於同一場景的不同的觀察信息的融合就構成了基於場景的SR復原。
圖像超分辨率重建簡介 - 計算機視覺小菜鳥的專欄 - CSDN博客 http://blog.csdn.net/carson2005/article/details/11631081
超分辨率重建還有什么可以研究的嗎？？ - 知乎 https://www.zhihu.com/question/38637977
如何通過多幀影像進行超分辨率重構？ - 知乎 https://www.zhihu.com/question/25401250
Sparse Coding稀疏編碼
PSNR，峰值信噪比，通常用來評價一幅圖像壓縮后和原圖像相比質量的好壞
SSIM(structural similarity index)，結構相似性，是一種衡量兩幅圖像相似度的指標 解析PSNR和SSIM - xiaxiazls的專欄 - CSDN博客http://blog.csdn.net/xiaxiazls/article/details/47952611
GAN，全稱為Generative Adversarial Nets，直譯為生成式對抗網絡GAN模型
像素卷積神經網絡(PixelCNN++) 如何比較PixelCNN與DCGAN兩種Image generation方法？ - 知乎 https://www.zhihu.com/question/54414709
循環神經網絡(RNN)像素遞歸神經網絡PixelRNN
MP(Matching Pursuits)匹配追蹤算法和OMP(Orthogonal Matching Pursuit)正交匹配追蹤算法壓縮感知，稀疏分解算法
圖像超分辨率重建算法綜述_百度文庫 https://wenku.baidu.com/view/308af1c383c4bb4cf6ecd110.html
A+算法
A算法，基於機器學習的超分辨方法，錨定鄰域回歸(ANR)
基於卷積神經網絡的圖像超分辨率重建及其視覺改進
基於卷積神經網絡的圖像超分辨率重建及其視覺改進 http://d.wanfangdata.com.cn/Thesis/Y3020181
直方圖均衡化
直方圖均衡化Histogram Equalization：
利用圖像直方圖對對比度進行調整的方法
通過使用累積函數對灰度值進行“調整”以實現對比度的增強