基於學習的超分辨率技術最早是由卡耐基一梅隆實驗室的 Baker S在2000年提出的。他們提出一種基於識別先驗 知識的方法,通過算法去學習訓練指定類別,將得到的先驗 知識用於超分辨率。隨后,多倫多大學的 Hertzmann a等提 出了基於多尺度自動回歸的圖像類比算法。麻省理工學院的 Freeman WT5等提出了一個基於例子的方法,利用馬爾可夫 網絡來學習訓練庫中與低分辨率圖像不同區域相對應的高分 辨率圖像的細節,再用學習得到的關系來預測輸入低分辨率 圖像的細節信息。 Christopher M等利用一個圖像塊數據庫 來獲取自然圖像的空間中頻段和高頻段之間的關系,並用已
基於學習圖像超分辨率算法.PDF https://max.book118.com/html/2018/1110/5044034224001330.shtm