传统算法模型 基于插值的技术
- 最邻近元法
- 双线性内插法
- 三次内插法
文章图片
基于重建的方法 概率论、集合类
- 凸集投影法（POCS）
- 贝叶斯分析法
- 迭代反投影法（IBP）
- 后验概率方法
- 正规化方法
- 混合方法
- Example-based方法
- 邻域嵌入方法
- 支持向量回归方法
- 稀疏表示法
- 散焦
- 噪点
- 压缩失真
- 传感器噪声
文章图片
其中Ix和Iy分别表示低清图像与超分辨率图像，F表示超分模型，θ为模型中的参数。
文章图片
其中D表示降级映射， б为模型中的参数。
文章图片
模型的学习目标
文章图片
其中L为损失函数，Φ(θ)为正则项，λ为惩罚系数。
图像降级模型 简单的下采样
文章图片
式中的↓表示下采样操作，s表示下采样的倍数
加入模糊和噪声的下采样
文章图片
其中的⊙表示卷积，k为卷积核, n 为噪声（⊙代替上图的卷积操作符号）
预上采样
文章图片
后上采样
文章图片
逐步上采样
文章图片
交替上下采样
文章图片
模型评价方法
文章图片
峰值信噪比(PSNR)
文章图片
结构相似度(SSIM)
文章图片
【图像视频超分辨率|视频超分辨率算法模型概述【图像视频超分辨率】】
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- paddle|动手从头实现LSTM
- pytorch|使用pytorch从头实现多层LSTM
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- 分析COMP122 The Caesar Cipher
- pytorch|YOLOX 阅读笔记
- 前沿论文|论文精读（Neural Architecture Search without Training）
- 联邦学习|【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning