图像超分辨率重建论文和项目

（1）稀疏编码方法（Sparse Coding）

• Image super-resolution as sparse representation of raw image patches (CVPR2008)
• 杨建超主页：http://www.ifp.illinois.edu/~jyang29/
• 基于原始图像块稀疏表示的图像超分辨率
• Image super-resolution via sparse representation (TIP2010)
• Coupled dictionary training for image super-resolution (TIP2011)

（2）Self-Exemplars

• Single Image Super-Resolution from Transformed Self-Exemplars (CVPR2015)
• Jia-Bin Huang主页：https://sites.google.com/site/jbhuang0604/

（3）贝叶斯方法

• NBSRF：https://jordisalvador-image.blogspot.com/2015/08/iccv-2015.html
• Naive Bayes Super-Resolution Forest (ICCV2015)

（4）基于金字塔算法

• http://vllab.ucmerced.edu/wlai24/LapSRN/

（5）深度学习方法（近几年文章很多啊）

• Image Super-Resolution Using Deep Convolutional Networks (ECCV2014)
• Deep Networks for Image Super-Resolution with Sparse Prior (ICCV2015)
• Robust Single Image Super-Resolution via Deep Networks with Sparse Prior (TIP2016)

• Accurate Image Super-Resolution Using Very Deep Convolutional Networks (CVPR2016)
• Deeply-Recursive Convolutional Network for Image Super-Resolution (CVPR2016)
• Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network (CVPR2016)

• Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution (CVPR 2017),
• Enhanced Deep Residual Networks for Single Image Super-Resolution (Winner of NTIRE2017 Super-Resolution Challenge)

关于深度学习在超分辨率重建中的应用：https://zhuanlan.zhihu.com/p/25532538?utm_medium=social&utm_source=weibo

给出了几种实现方法及介绍，github里面相应的项目实现。另外还发现一篇有点尺度的文章《用GAN去除(爱情)动作片中的马赛克和衣服》，感兴趣的请参见这里。

（6）Perceptual Loss and GAN（损失函数上改进）

 

• Perceptual Losses for Real-Time Style Transfer and Super-Resolution (ECCV2016)
• Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (CVPR2017)

（7）Google基于哈希机制的实现

• 《RAISR: Rapid and Accurate Image Super Resolution》

分析：http://blog.csdn.net/jiangjieqazwsx/article/details/69055753

（8）视频SR

• https://users.soe.ucsc.edu/~milanfar/software/superresolution.html
• Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation (CVPR2017)

小结：SR使用稀疏编码方法取得的方法已经堪称state-of-the-art级别，深度学习出现后又将效果进一步提升。

增补：

今天看到一篇论文：

《Super-Resolution From a Single Image 》（http://www.wisdom.weizmann.ac.il/~vision/SingleImageSR.html），

http://cs.brown.edu/courses/csci1950-g/results/final/pachecoj/ ，

另外附几个相关网页：

https://people.mpi-inf.mpg.de/~kkim/supres/supres.htm

《Example-Based-Super-Resolution-Freeman》

增补：

神经网络实现：

（1）《Accelerating the Super-Resolution Convolutional Neural Network》，使用matlab的实现。

（2）《Pixel Recursive Super Resolution》，项目实现链接。

180911增补：

有关项目网站：https://github.com/huangzehao/Super-Resolution.Benckmark