简介：综述图像超分辨率重建技术的研究与发展,超分辨率重建技术是一个从低分辨率输入中重建一个高分辨率图像或图像序列的过程。介绍基于插值、重建以及学习的超分辨重建方法,分析各类算法中具有代表性的一种或几种算法,讨论算法在重建过程中使用的技术和改进,以及重建图像存在的优缺点,并对技术发展趋势进行展望。

简介：摘要

简介：摘要：随着深度学习的快速发展，各个领域的算法取得了重大突破，Transformer在超分辨率领域中被广泛使用。因此本文应用了注意力机制的Transformer进行超分辨率任务，主要介绍了超分辨率的基本构造和性能指标。

简介：介绍了超分辨率复原方法的概念和理论基础；重点总结了常用的超分辨率复原方法，并对相关的理论依据、优缺点和适用范围进行了详尽分析；对超分辨率复原方法的未来发展进行了展望。超分辨率复原方法分为频域法和空域法。频域复原法原理简单清楚，计算方便，但是所建立的运动模型都是平移模型，不具有一般性，同时难以利用正则化约束，因而导致难以使用图像的先验信息进行超分辨率复原。空域复原法可以很方便地建立复杂的运动模型，同时考虑了几乎所有的图像降质因素，例如噪声、降采样、由非零孔径时间造成的模糊、光学系统降质和运动模糊等，还可以加入更完善的先验知识，相比于频域复原法，空域超分辨率复原模型更符合实际的图像退化过程，是目前应用最广泛的一类超分辨率复原方法。

简介：本文通过仿真实验研究了单帧低分辨率图像的超分辨率重建技术。首先,阐述了用于单帧超分辨率重建的插值法、IBP法和POCS法,然后通过matlab7.0仿真程序验证了双三次插值法、双线性插值法、POCS法和IBP法,并根据仿真实验的结果分析这些方法重建效果的好坏。实验结果表明,实验结果证明,双线性插值方法的重建结果要优于双三次插值的重建结果;IBP的重建效果要优于POCS方法;对于IBP和POCS来说,2种方法都能获得较好的重建结果,并且用于图像的帧数越多,重建的效果越好;此外,客观评价方法与主观评价方法有时不能获得相同的评价结果,但在多数情况下,客观评价方法都能取得与主观评价方法一致的结果。

简介：摘要

简介：中国科大郭光灿院士领导的中科院量子信息重点实验室孙方稳研究组,利用光学超分辨成像技术实现了对单个自旋态的纳米量级空间分辨率测量和操控,其成像精度达到4.1nm。了解微纳尺度物体的物理属性及动力学过程,需要纳米尺寸的探测器,纳米尺度的固态量子测量技术因此得到快速发展。

简介：摘要

简介：将约束总体最小二乘法（CTLS）应用到目标来波信号方向估计（DOA）中，通过将回波角度估计问题转化为约束总体最小二乘问题，采用一种新的迭代求解方法，可以快速求解，大大简化运算，并可快速收敛到全局最优解；在低中度SNR时，CTLS法估计精度要好于求根MUSIC法（ROOT—MUSIC）和基于总体最小二乘（TLS）改进子空间的超分辨方法的估计精度，在HSNR情况下接近克拉关-罗界（CRB），通过仿真结果对比，证明了CTLS方法在超分辨中的高分辨率性能和该方法的有效性。

简介：提出了一种参数自适应的图像超分辨率重建方法.在基于稀疏表示的图像超分辨率重建的经典算法模型框架下,正则化参数可以根据每个图像补丁本身情况自适应地确定,从而克服了人为选择参数且所有补丁参数需一致的缺点,因此使图像重建效果得到提升.实验结果表明,我们所提方法在不同尺寸扩大因子和噪声环境下都优于人工确定参数的情形,三种评价指标均表明所提方法是有效的.

简介：摘要：图像的超分辨率重建具体是指借助相关算法提升图片分辨率的技术。当前，人工智能和数字化的不断推进，使得单幅图像超分辨率重建在医学成像领域得到长足发展和广泛推广。本文重点从图像超分辨率技术研究现状、在医学领域应用、基于深度学习的单幅超分辨率重建技术的处理流程以及基于深度学习的单模图像超分辨率重建技术及其对比等方面进行介绍与分析，并对制约基于深度学习的单模图像超分辨率重建技术的问题进行剖析。

简介：摘要：

简介：摘要：

简介：摘要：近年来，深度卷积神经网络（CNNs）在图像超分辨率（SISR）上取得了优异的性能。然而，大多数基于cnn的深度SR模型由于其接受域较小，不能捕获全局环境，也不能充分利用中间特征，这限制了它们的性能和应用。为了解决这一问题，我们提出了一种基于窗口注意机制的图像超分辨率重建网络。

简介：在无源毫米波成像中，因为受天线孔径大小的限制而导致获取的图像分辨率低，所以必须采取有效后处理措施增强分辨率。提出了一种改进的POCS超分辨率算法，该算法结合了Wiener滤波器复原算法和凸集投影（POCS）算法的优点，使用Wiener滤波复原算法恢复图像通带内的低频分量，运用POCS算法作为主迭代过程实现频谱外推，同时保证低频分量不被破坏。实验结果表明，该算法增强了图像的分辨率，改善了收敛速度，减少了计算量，有利于无源毫米波成像超分辨率的实时实现。

简介：方位估计在移动通信、电子对抗、雷达等众多领域中占有至关重要的地位。随着科学技术的突飞猛进和电磁环境的日趋复杂，对目标方位估计的要求也日益提高。基于特征分解的空间谱估计测向在理想模型下具有很好的精度和分辨率，然而当模型存在误差时，测向性能会急剧恶化，甚至失效。文中针对通道不一致的问题提出了一种新的校正方法——等价校正法。该方法只要一个校准源，校正效果好，性能稳定，所需运算量也不大。计算机仿真表明，该校准算法行之有效。

简介：方位超分辨一直是雷达领域里受到广泛关注的研究课题。为解决高斯噪声情况下天线低通效应造成的方位低分辨率问题,利用基于高斯噪声情况下ISRA算法对其进行研究。为了提高ISRA算法的收敛速度,提出了一种基于矢量外推的加速ISRA算法,然后利用加速ISRA算法进行方位超分辨。仿真结果表明：加速ISRA算法可用于雷达方位超分辨的研究,且收敛速度快于ISRA算法;与Tikhonov正则化算法相比,噪声适应性更好;加速ISRA算法分辨能力略优于CID算法,且收敛速度较快,验证了算法的有效性。

简介：摘 要 为了解决图像分辨率低的问题，本文提出了多字典学习和PCA的在线超分辨率重构算法，算法分为两个阶段：字典训练和重构。在训练阶段，首先将低分辨率样本图像分为若干类，然后提取低分辨率图像特征，并对其进行降维，最后根据高低分辨率图像具有相同稀疏系数的基本原理，在每一类内训练高低分辨率字典对。在重构阶段，首先提取输入图像特征块并获取特征类别，然后根据类内低分辨率字典求解稀疏系数，最后通过稀疏系数和高分辨率字典获得重构的图像块并将所有图像块融合为高分辨率图像。实验结果表明，算法在公开数据库中取得了较好的效果。

简介：摘要：相控阵天气雷达较新一代天气雷达在时空分辨率上有明显的优势。随着探测能力的提高，相控阵雷达数据量急剧增长，数据传输和存储问题凸显。现有天气雷达数据压缩算法可以减少传输和存储的数据量，但现有算法并未充分考虑相控阵雷达特点，数据压缩率有较大提升空间。提出相控阵天气雷达数据压缩算法,首先对数据进行下采样,对下采样数据进行预测编码得到预测残差,再将下采样数据进行超分辨率重建得到重建残差,组合预测残差和重建残差进行熵编码输出,实现数据无损压缩。

简介：摘要：在现代工业测量中，面临着千万级的图像像素测量条件，以及高温、高危的测量工作环境，增加了工业测量的难度及风险性。因此，采用超分辨率的图像处理技术，可有效解决工业测量难的问题。本文基于钢卷尺检定的需要，进行超分辨率图像处理技术应用的分析研究，包括了图像边缘处理与提取技术、超分辨率重构技术等，并给出了技术应用实例及质量评价方法。