摘要
我们提出了一种简单而高效的上采样方法。这种方法能够自动的增强视频图像的分辨率，同时能够保持图像的重要结构信息。我们的方法主要优点在于一个反馈控制框架，这个框架能够从低分辨率图像确切地复原高分辨率图像，而不需要强加从其它样本中学习到的图像的局部结构约束信息。这使得我们的方法在图像质量上与通过大量采样学习得到的高质量图像是独立的。通常大量样本学习的算法，能够产生高质量的图像质量而没有可觉察到的难看的人工痕迹。我们的方法另外一个优点是可以很自然地扩展到视频的上采样中，同时，视频的暂态连续性能够自动的保持。最后，我们的算法运行的很快。我们通过不同的视频图像数据演示了我们的算法的有效性。
注：本文系我10年翻译的香港中文大学贾佳亚发表在SIGGRAPH ASIA 2008的文章，很多地方翻译的不好，敬请见谅。
翻译稿请从这里下载。
原文下载地址：http://appsrv.cse.cuhk.edu.hk/~leojia/projects/upsampling/index.html
他们的处理结果显示，上采样效果相当不错，他们宣称可以实时处理视频。但在没有GPU的情况下很慢很慢，在我的pc机上测试，对720p的图片放大2倍都要数10秒。
参照他们的思路，我用基于稀疏先验分布的反卷积算法实现了一下，实际效果没有他们的好，但比Bicubic要好。而他们的处理效果，比Bicubic明显的好出许多，他们的测试图如下：