超解析度重建（一）演算法分類
超解析度重建（一）演算法分類
第一種分類方式：
基於頻域
基於插值（空域）
基於重構（空域）
基於學習
第二種分類方式：
單幀影像超解析度重建（SISR）：頻域法有用到，深度學習有用到
多幀影像超解析度重建：插值、重構有用到
列舉部分演算法：
頻域：1984提出，已不再成為研究主流
空域：包括非均勻空間內插、迭代反投影法、凸集投影法、最大後驗概率法……
插值：最近鄰插值、雙線性插值、雙立方插值、三次B樣條曲線插值、全插值……
學習：稀疏表示，深度學習……
其中深度學習方法中：SRCNN、ESPCN、RCAN、SRGAN……
- 另外多幀影像一般要影像配准，即對多幀之間的相對運動進行估計才可以進行後面的操作。
- 如果是亞像元取樣下，知道影像具體錯位多少，則可以直接插值
