超分辨率重建之—NE
论文笔记：
摘要
该算法受到了最近的（manifold learning）流行学习算法的启发，特别是局部线性嵌入（LLE）。我们运用局部重叠来增强重建高分图像块之间的兼容性和平滑约束。具体来说，高分和低分图像块在两个不同的特征空间中形成了类似局部几何的流形。就像LLE中，局部几何结构特征是通过 一个块（patch）的特征向量在特征空间如何被邻域重构 而形成的。除了用训练的图像对来估计高分的嵌入（embedding），我们还通过重叠方法在高分图像上实施了块之间的局部兼容性和平滑约束。实验结果显示效果很好。 该算法受到了最近的（manifold
论文笔记：
摘要
该算法受到了最近的（manifold learning）流行学习算法的启发，特别是局部线性嵌入（LLE）。我们运用局部重叠来增强重建高分图像块之间的兼容性和平滑约束。具体来说，高分和低分图像块在两个不同的特征空间中形成了类似局部几何的流形。就像LLE中，局部几何结构特征是通过 一个块（patch）的特征向量在特征空间如何被邻域重构 而形成的。除了用训练的图像对来估计高分的嵌入（embedding），我们还通过重叠方法在高分图像上实施了块之间的局部兼容性和平滑约束。实验结果显示效果很好。 该算法受到了最近的（manifold
