图像超分辨率重建（ 适合初学超分辨率重建使用 图像超分辨率 SR工具箱）

本文转自『大数据文摘』， 编译 / 昱良 计算机视觉是人工智能的一个重要领域，是关于计算机和软件系统的科学，可以对图像和场景进行识别、理解。计算机视觉还包括图像识别、目标检测、图像生成、图像超分辨率重建等多个领域。由于存在大量的实际需求，目标检测可能是计算机视觉中最有意义的领域。 目标检测是指计算机和软件系统对图像或场景中的目标进行定位和识别的任务。目标检测已广泛应用于人脸检测、车辆检测、人流量统计、网络图像、安防系统和无人驾驶等多个领域。 在应用或系统中使用目标检测方法，以及基于这些方法构建

磁共振（MR）成像被广泛用于疾病诊断。 硬件成像受到分辨率的限制，并且高的辐射强度和磁性时间会伤害人体。 基于软件的图像超分辨率技术有望解决该问题，特别是通过基于稀疏重构的图像超分辨率具有良好的优异性能。 字典生成是影响超分辨率算法性能的关键问题，因为在字典生成过程中没有考虑潜在的区分性信息。 针对此问题，我们提出了针对MR稀疏超分辨率重建的训练样本优化字典学习算法。 提出了一种基于灰度一致性和梯度联合分集的字典表示方法，以选择最佳的图像进行字典训练。 在基于稀疏重建的MR成像框架下评估字典训练