2021-01-29

基于上次对模糊核一个理解，去查阅了一篇2013的论文Nonparametric Blind Super-Resolution，

对于超分辨来说，模型如上式，其中x为大小为n1×n2像素的HR图像，令y为其对应的大小为（n1 / s）×（n2 / s）的LR图像，k表示模糊核（低通滤波器），↓表示以比例因子为s的下采样，n为噪声。而我们要做的就是从y中恢复x，而重构约束可以表示为y≈k*x↓^s,因此式中的k（模糊核的准确性起到至关重要的作用）如何来得到（或者估计出一个准确的模糊核，而不是简单的认为是双三次插值，或是高斯后的插值）是一个关键性的问题。

创新点：指出将PSF作为模糊核是错误的，提出了一种利用相似块估计高分辨率图与低 分辨率图像之间模糊核的方法。

如图所示，是利用不同规模的补丁重复进行内核恢复的示意图。该算法通过两种方法去得到kenerl，一个是内部，另一个是外部数据集，在于默认的内核比较中，优势明显。

这是算法的流程。基于这个算法得到的kenerl，插入到现有的SR网络结构中，结果得到一定的优化。