Super-Resolution from a Single Image 的算法原理整理_初版

由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我
后期整理的思维导图见https://blog.csdn.net/Lininggggggg/article/details/106499469

参考链接：
https://www.jianshu.com/p/54b6ab49c935
http://cs.brown.edu/courses/csci1950-g/results/final/pachecoj/

1、 简介

超分辨率是指输入一张低分辨率图像， 如 100100， 将其升高到高分辨率， 如 200200，
并且要求清晰度尽量不变。 即输出结果比输入有更多的信息， 是病态问题， 所以称为“超”
分辨率。
　　最开始超分辨率问题是用多张相似的低分辨率图像恢复成单张高分辨率图像； 后来发现
有局限性， 便提出了基于样例学习的方法， 即通过产生多个“低分辨率-高分辨率”图像对
并学习其中的对应关系； 最后， 本文将上述两种方法称为“Classical SR”和“Example-based
SR”， 并提出一个框架将它们整合在一起， 而且能够用于单张