基于学习的超分辨率算法

基于学习的超分辨率技术最早是由卡耐基一梅隆实验室的 Baker S在2000年提出的。他们提出一种基于识别先验 知识的方法,通过算法去学习训练指定类别,将得到的先验 知识用于超分辨率。随后,多伦多大学的 Hertzmann a等提 出了基于多尺度自动回归的图像类比算法。麻省理工学院的 Freeman WT5等提出了一个基于例子的方法,利用马尔可夫 网络来学习训练库中与低分辨率图像不同区域相对应的高分 辨率图像的细节,再用学习得到的关系来预测输入低分辨率 图像的细节信息。 Christopher M等利用一个图像块数据库 来获取自然图像的空间中频段和高频段之间的关系,并用已

基于学习图像超分辨率算法.PDF https://max.book118.com/html/2018/1110/5044034224001330.shtm

原文地址：https://www.cnblogs.com/wxl845235800/p/11799322.html