Google 超分辨率技术 RAISR
全称是“Rapid and Accurate Image Super-Resolution”，意为“快速、精确的超分辨率技术”。
利用机器学习，把低分辨率图片转为高分辨率图片
效果能达到甚至超过现在的超分辨率解决方案，同时速度提升大约 10 至 100 倍，且能够在普通的移动设备上运行。而且，Google 的技术可以避免产生混叠效应（aliasing artifacts）。
低分辨率图片重建为尺寸更大、像素更多、更高画质图片的技术：升采样方式；对于 RAISR，Google 另辟蹊径得采用机器学习
用一对低分辨率、高分辨率图片训练该程序，以找出能选择性应用于低分辨率图片中每个像素的过滤器，这样能生成媲美原始图片的细节。目前有两种训练 RAISR 的方法。
超分辨率
超分辨率(Super-Resolution) SR技术
通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。
与SR技术相关的另一个课题是图像插值，即增加单幅图像的尺寸。尽管这个领域已经被广泛地研究，即使一些基本的功能已经建立，从一幅近似的LR图像放大图像的质量仍然是有限的，这是因为对单幅图像插值不能恢复在LR采样过程中损失的高频部分。因此图像插值方法不能被认作是SR技术。为了在这方面有更大的改进，下一步就需要应用基于同一场景的相关的额外数据。基于同一场景的不同的观察信息的融合就构成了基于场景的SR复原。
图像超分辨率重建简介 - 计算机视觉小菜鸟的专栏 - CSDN博客 http://blog.csdn.net/carson2005/article/details/11631081
超分辨率重建还有什么可以研究的吗？？ - 知乎 https://www.zhihu.com/question/38637977
如何通过多帧影像进行超分辨率重构？ - 知乎 https://www.zhihu.com/question/25401250
Sparse Coding稀疏编码
PSNR，峰值信噪比，通常用来评价一幅图像压缩后和原图像相比质量的好坏
SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标 解析PSNR和SSIM - xiaxiazls的专栏 - CSDN博客http://blog.csdn.net/xiaxiazls/article/details/47952611
GAN，全称为Generative Adversarial Nets，直译为生成式对抗网络GAN模型
像素卷积神经网络(PixelCNN++) 如何比较PixelCNN与DCGAN两种Image generation方法？ - 知乎 https://www.zhihu.com/question/54414709
循环神经网络(RNN)像素递归神经网络PixelRNN
MP(Matching Pursuits)匹配追踪算法和OMP(Orthogonal Matching Pursuit)正交匹配追踪算法压缩感知，稀疏分解算法
图像超分辨率重建算法综述_百度文库 https://wenku.baidu.com/view/308af1c383c4bb4cf6ecd110.html
A+算法
A算法，基于机器学习的超分辨方法，锚定邻域回归(ANR)
基于卷积神经网络的图像超分辨率重建及其视觉改进
基于卷积神经网络的图像超分辨率重建及其视觉改进 http://d.wanfangdata.com.cn/Thesis/Y3020181
直方图均衡化
直方图均衡化Histogram Equalization：
利用图像直方图对对比度进行调整的方法
通过使用累积函数对灰度值进行“调整”以实现对比度的增强