Hispanopedia Wiki
Articulo de referencia

Imágenes de superresolución

La imagen de superresolución ( SRI , por sus siglas en inglés) es un conjunto de técnicas para mejorar la resolución de un sistema de imagen , logrando así la " superresolución ...

Hispanopedia WikiContenido en espanolLectura gratuita

La imagen de superresolución ( SRI , por sus siglas en inglés) es un conjunto de técnicas para mejorar la resolución de un sistema de imagen , logrando así la " superresolución " ( SR , por sus siglas en inglés ). En la SR óptica , el límite de difracción de los sistemas se supera mediante una superlente , mientras que en la SR geométrica se mejora la resolución de los sensores de imagen digitales .

En algunas aplicaciones de imágenes de radar y sonar (por ejemplo, imágenes de resonancia magnética (IRM), tomografía computarizada de alta resolución ), se emplean métodos basados ​​en la descomposición de subespacios (por ejemplo, MUSIC [ 1 ] ) y algoritmos basados ​​en detección comprimida (por ejemplo, SAMV [ 2 ] ) para lograr SR sobre el algoritmo de periodograma estándar .

Las técnicas de imagen de superresolución se utilizan en el procesamiento general de imágenes y en la microscopía de superresolución .

Principios

Existen varios conceptos fundamentales para la obtención de imágenes de superresolución:

  • Límite de difracción : la capacidad de un instrumento óptico para reproducir los detalles de un objeto en una imagen tiene límites impuestos por las leyes de la física: las ecuaciones de difracción en la teoría ondulatoria de la luz , [ 3 ] o el principio de incertidumbre para fotones en mecánica cuántica . [ 4 ] La transferencia de información nunca puede aumentarse más allá de este límite, pero los paquetes fuera de los límites pueden intercambiarse ingeniosamente por (o multiplexarse ​​con) algunos dentro de él. [ 5 ] La microscopía de superresolución no tanto “rompe” como “elude” el límite de difracción. Los nuevos procedimientos que sondean perturbaciones electromagnéticas a nivel molecular (en el llamado campo cercano) [ 6 ] siguen siendo totalmente consistentes con las ecuaciones de Maxwell .
  • Dominio de frecuencia espacial : Una expresión concisa del límite de difracción se da en el dominio de frecuencia espacial. En óptica de Fourier, las distribuciones de luz se expresan como superposiciones de una serie de patrones de luz de rejilla en un rango de anchos de franja; estos anchos representan las frecuencias espaciales. Generalmente se enseña que la teoría de la difracción estipula un límite superior, la frecuencia espacial de corte, más allá del cual los elementos del patrón no se transfieren a la imagen óptica, es decir, no se resuelven. Pero en realidad lo que establece la teoría de la difracción es el ancho de la banda de paso, no un límite superior fijo. No se infringe ninguna ley de la física cuando se intercambia una banda de frecuencia espacial más allá de la frecuencia espacial de corte por una dentro de ella: esto se ha implementado desde hace mucho tiempo en la microscopía de campo oscuro . Tampoco se rompen las reglas de la teoría de la información al superponer varias bandas, [ 7 ] [ 8 ] [ 9 ] separarlas en la imagen recibida requiere suposiciones de invariancia del objeto durante exposiciones múltiples, es decir, la sustitución de un tipo de incertidumbre por otro.
  • Información : Cuando el término superresolución se utiliza en técnicas basadas en la inferencia de detalles de objetos mediante un tratamiento estadístico de la imagen dentro de los límites de resolución estándar (por ejemplo, promediando múltiples exposiciones), implica un intercambio de un tipo de información (extracción de señal del ruido) por otro (la suposición de que el objetivo ha permanecido invariante). Avances recientes incorporan híbridos de transformadores cuánticos a la superresolución, como QUIET-SR , un modelo de 2025 que emplea atención de ventana cuántica desplazada dentro de un transformador para mejorar el detalle de la imagen respetando los límites de la difracción y la teoría de la información. De manera similar, los transformadores integrados en frecuencia (por ejemplo, FIT) enriquecen la superresolución al combinar explícitamente información espacial y de dominio de frecuencia mediante atención basada en FFT, mejorando la reconstrucción en diferentes escalas.
  • Resolución y localización: La verdadera resolución implica distinguir si un objeto, por ejemplo una estrella o una línea espectral, es simple o doble, lo que generalmente requiere picos separables en la imagen. Cuando se sabe que un objeto es simple, su ubicación se puede determinar con mayor precisión que el ancho de la imagen al encontrar el centroide (centro de gravedad) de su distribución de luz en la imagen. Se propuso el término ultraresolución para este proceso [ 10 ] , pero no se popularizó, y el procedimiento de localización de alta precisión se suele denominar superresolución.

Técnicas

Superresolución óptica o difractiva

Sustitución de bandas de frecuencia espacial: Si bien el ancho de banda permitido por la difracción es fijo, puede ubicarse en cualquier punto del espectro de frecuencia espacial. La iluminación de campo oscuro en microscopía es un ejemplo. Véase también síntesis de apertura .

La técnica de superresolución por "iluminación estructurada" está relacionada con los patrones de moiré . El objetivo, una banda de franjas finas (fila superior), está más allá del límite de difracción. Cuando se superpone artificialmente una banda de franjas resolubles algo más gruesas (segunda fila), la combinación (tercera fila) presenta componentes de moiré que están dentro del límite de difracción y, por lo tanto, están contenidos en la imagen (fila inferior), lo que permite inferir la presencia de las franjas finas, aunque estas no estén representadas directamente en la imagen.

Multiplexación de bandas de frecuencia espacial

Se forma una imagen utilizando la banda de paso normal del dispositivo óptico. Luego, se superpone al objetivo una estructura de luz conocida (por ejemplo, un conjunto de franjas de luz ). [ 8 ] [ 9 ] La imagen ahora contiene componentes resultantes de la combinación del objetivo y la estructura de luz superpuesta, p. ej., franjas de moiré , y contiene información sobre detalles del objetivo que la iluminación simple no estructurada no proporciona. Sin embargo, los componentes de "superresolución" necesitan ser separados para ser revelados. Para un ejemplo, véase la iluminación estructurada (figura de la izquierda).

Uso de múltiples parámetros dentro del límite de difracción tradicional

Si un objetivo no presenta propiedades especiales de polarización o longitud de onda, se pueden utilizar dos estados de polarización o regiones de longitud de onda que no se superpongan para codificar los detalles del objetivo: uno en una banda de frecuencia espacial dentro del límite de corte y el otro fuera de él. Ambos utilizarían la transmisión de banda de paso normal, pero luego se decodificarían por separado para reconstruir la estructura del objetivo con mayor resolución.

Sondeo de perturbaciones electromagnéticas de campo cercano

La microscopía de superresolución se suele analizar dentro del ámbito de la imagen óptica convencional. Sin embargo, la tecnología moderna permite sondear perturbaciones electromagnéticas a distancias moleculares de la fuente, [ 6 ] lo que ofrece propiedades de resolución superiores. Véase también ondas evanescentes y el desarrollo de la nueva superlente .

Superresolución geométrica o de procesamiento de imágenes

En comparación con una sola imagen afectada por el ruido durante su adquisición o transmisión (izquierda), la relación señal-ruido mejora al combinar adecuadamente varias imágenes obtenidas por separado (derecha). Esto solo se puede lograr dentro de la capacidad de resolución intrínseca del proceso de imagen para revelar tal nivel de detalle.

Reducción de ruido en imágenes de exposición múltiple

Cuando una imagen se ve afectada por el ruido , la resolución puede mejorarse promediando varias exposiciones. Véase el ejemplo de la derecha.

Desenfoque de fotograma único

Los defectos conocidos en una situación de imagen determinada, como el desenfoque o las aberraciones , a veces pueden mitigarse total o parcialmente mediante un filtrado de frecuencia espacial adecuado, incluso de una sola imagen. Dichos procedimientos se mantienen dentro de la banda de paso impuesta por la difracción y no la extienden.

Ambas características se extienden a lo largo de 3 píxeles, pero en cantidades diferentes, lo que permite localizarlas con una precisión superior a la dimensión del píxel.

Localización de imágenes a nivel de subpíxel

La ubicación de una única fuente se puede determinar calculando el "centro de gravedad" ( centroide ) de la distribución de luz que se extiende sobre varios píxeles adyacentes (véase la figura de la izquierda). Siempre que haya suficiente luz, esto se puede lograr con una precisión arbitraria, mucho mejor que el ancho de píxel del aparato de detección y el límite de resolución para decidir si la fuente es simple o doble. Esta técnica, que requiere la presuposición de que toda la luz proviene de una sola fuente, es la base de lo que se conoce como microscopía de superresolución , por ejemplo, la microscopía de reconstrucción óptica estocástica (STORM), donde las sondas fluorescentes unidas a moléculas proporcionan información de distancia a nanoescala . También es el mecanismo subyacente a la hiperagudeza visual . [ 11 ]

Inducción bayesiana más allá del límite de difracción tradicional

Algunas características del objeto, aunque más allá del límite de difracción, pueden estar asociadas con otras características que se encuentran dentro de los límites y, por lo tanto, están contenidas en la imagen. Entonces, mediante métodos estadísticos, se pueden extraer conclusiones a partir de los datos de imagen disponibles sobre la presencia del objeto completo. [ 12 ] El ejemplo clásico es la propuesta de Toraldo di Francia [ 13 ] de determinar si una imagen corresponde a una estrella simple o doble, estableciendo si su anchura excede la de una estrella simple. Esto se puede lograr a separaciones muy inferiores a los límites de resolución clásicos y requiere la limitación previa a la elección "¿simple o doble?".

El enfoque puede adoptar la forma de extrapolar la imagen en el dominio de la frecuencia, asumiendo que el objeto es una función analítica y que podemos conocer con exactitud los valores de la función en algún intervalo . Este método está severamente limitado por el ruido siempre presente en los sistemas de imágenes digitales, pero puede funcionar para radar , astronomía , microscopía o imágenes por resonancia magnética . [ 14 ] Más recientemente, un algoritmo rápido de superresolución de imagen única basado en una solución de forma cerrada paraℓ2−ℓ2{\displaystyle \ell _{2}-\ell _{2}}Se han propuesto y demostrado problemas para acelerar significativamente la mayoría de los métodos de superresolución bayesianos existentes. [ 15 ]

Aliasing

Los algoritmos de reconstrucción geométrica SR son posibles si y solo si las imágenes de entrada de baja resolución han sido submuestreadas y, por lo tanto, contienen aliasing . Debido a este aliasing, el contenido de alta frecuencia de la imagen de reconstrucción deseada está incrustado en el contenido de baja frecuencia de cada una de las imágenes observadas. Con un número suficiente de imágenes de observación, y si el conjunto de observaciones varía en su fase (es decir, si las imágenes de la escena están desplazadas en una cantidad subpíxel), entonces la información de fase se puede usar para separar el contenido de alta frecuencia con aliasing del verdadero contenido de baja frecuencia, y la imagen de resolución completa se puede reconstruir con precisión. [ 16 ]

En la práctica, este enfoque basado en la frecuencia no se utiliza para la reconstrucción, pero incluso en el caso de enfoques espaciales (por ejemplo, fusión shift-add [ 17 ] ), la presencia de aliasing sigue siendo una condición necesaria para la reconstrucción SR.

Implementaciones técnicas

Existen muchas variantes de superresolución (SR) de fotograma único y de fotogramas múltiples. La SR de fotogramas múltiples utiliza los desplazamientos de subpíxeles entre varias imágenes de baja resolución de la misma escena. Crea una imagen de resolución mejorada fusionando información de todas las imágenes de baja resolución, y las imágenes de mayor resolución creadas son mejores descripciones de la escena. Los métodos de SR de fotograma único intentan ampliar la imagen sin producir desenfoque. Estos métodos utilizan otras partes de las imágenes de baja resolución, u otras imágenes no relacionadas, para estimar cómo debería verse la imagen de alta resolución. Los algoritmos también se pueden dividir según su dominio: frecuencia o espacio . Originalmente, los métodos de superresolución funcionaban bien solo en imágenes en escala de grises, [ 18 ] pero los investigadores han encontrado métodos para adaptarlos a imágenes de cámaras en color. [ 17 ] Recientemente, también se ha demostrado el uso de la superresolución para datos 3D. [ 19 ]

Investigación

Investigación sobre el uso de computación de redes neuronales para realizar la construcción de imágenes de superresolución. [ 20 ] Por ejemplo, se utilizaron redes convolucionales profundas para generar una imagen de microscopio electrónico de barrido de 1500x a partir de una imagen microscópica de 20x de granos de polen. [ 21 ] Sin embargo, si bien esta técnica puede aumentar el contenido de información de una imagen, no hay garantía de que las características ampliadas existan realmente en la imagen original. Por esta razón, los escaladores convolucionales profundos no son apropiados para aplicaciones que involucran entradas ambiguas donde la presencia o ausencia de una sola característica es crítica. [ 22 ] [ 23 ] Los detalles alucinados en imágenes tomadas para diagnóstico médico , por ejemplo, podrían ser problemáticos . [ 24 ]

Véase también

Referencias

  1. ↑ Schmidt, RO, "Ubicación de múltiples emisores y estimación de parámetros de señal", IEEE Trans. Antennas Propagation, Vol. AP-34 (marzo de 1986), pp.276-280.
  2. ↑ Abeida, Habti; Zhang, Qilin; Li, Jian ; Merabtine, Nadjim (2013). "Enfoques iterativos basados ​​en varianza mínima asintótica dispersa para el procesamiento de matrices" (PDF) . IEEE Transactions on Signal Processing . 61 (4): 933– 944. arXiv : 1802.03070 . Bibcode : 2013ITSP...61..933A . doi : 10.1109/tsp.2012.2231676 . ISSN 1053-587X . S2CID 16276001 .  
  3. ↑ Born M, Wolf E, Principios de óptica , Cambridge Univ. Press, cualquier edición
  4. ↑ Fox M, 2007 Óptica cuántica Oxford
  5. ↑ Zalevsky Z, Mendlovic D. 2003 Superresolución óptica Springer
  6. 1 2 Betzig, E; Trautman, JK (1992). "Óptica de campo cercano: microscopía, espectroscopía y modificación de superficies más allá del límite de difracción". Science . 257 (5067): 189– 195. Bibcode : 1992Sci...257..189B . doi : 10.1126/science.257.5067.189 . PMID 17794749 . S2CID 38041885 .  
  7. ↑ Lukosz, W., 1966. Sistemas ópticos con poder de resolución que excede el límite clásico. J. opt. soc. Am. 56, 1463–1472.
  8. 1 2 Guerra, John M. (1995-06-26). "Superresolución mediante iluminación por ondas evanescentes nacidas por difracción" . Applied Physics Letters . 66 (26): 3555– 3557. Bibcode : 1995ApPhL..66.3555G . doi : 10.1063/1.113814 . ISSN 0003-6951 . 
  9. 1 2 Gustaffsson, M., 2000. Superando el límite de resolución lateral por un factor de dos usando microscopía de iluminación estructurada. J. Microscopy 198, 82–87.
  10. ↑ Cox, IJ, Sheppard, CJR, 1986. Capacidad de información y resolución en un sistema óptico. J.opt. Soc. Am. A 3, 1152–1158
  11. ↑ Westheimer, G (2012). "Superresolución óptica e hiperagudeza visual" . Prog Retin Eye Res . 31 (5): 467–80 . doi : 10.1016/j.preteyeres.2012.05.001 . PMID 22634484 . 
  12. ↑ Harris, JL, 1964. Poder de resolución y toma de decisiones. J. opt. soc. Am. 54, 606–611.
  13. ↑ Toraldo di Francia, G., 1955. Poder resolutivo e información. J. optar. soc. Soy. 45, 497–501.
  14. ^ D. Poot, B. Jeurissen, Y. Bastiaensen, J. Veraart, W. Van Hecke, PM Parizel y J. Sijbers, "Superresolución para imágenes con tensor de difusión multicorte", Resonancia magnética en medicina, (2012)
  15. ↑ N. Zhao, Q. Wei, A. Basarab, N. Dobigeon, D. Kouamé y JY. Tourneret, "Superresolución rápida de una sola imagen utilizando una nueva solución analítica paraℓ2−ℓ2{\displaystyle \ell _{2}-\ell _{2}}problemas" , IEEE Trans. Image Process., 2016, de próxima publicación.
  16. ↑ J. Simpkins, RL Stevenson, "Introducción a la imagen de superresolución". Óptica matemática: métodos clásicos, cuánticos y computacionales , editado por V. Lakshminarayanan, M. Calvo y T. Alieva. CRC Press, 2012. 539-564.
  17. 1 2 S. Farsiu, D. Robinson, M. Elad y P. Milanfar, "Superresolución multifotograma rápida y robusta" , IEEE Transactions on Image Processing, vol. 13, n.º 10, págs. 1327–1344, octubre de 2004.
  18. ↑ P. Cheeseman, B. Kanefsky, R. Kraft y J. Stutz, 1994
  19. ↑ S. Schuon, C. Theobalt, J. Davis y S. Thrun, "LidarBoost: Superresolución de profundidad para escaneo de formas 3D ToF" , En Actas de IEEE CVPR 2009
  20. ↑ Johnson, Justin; Alahi, Alexandre; Fei-Fei, Li (2016-03-26). "Pérdidas perceptuales para transferencia de estilo en tiempo real y superresolución". arXiv : 1603.08155 [ cs.CV ].
  21. ↑ Grant-Jacob, James A; Mackay, Benita S; Baker, James AG; Xie, Yunhui; Heath, Daniel J; Loxham, Matthew; Eason, Robert W; Mills, Ben (2019-06-18). "Una lente neuronal para imágenes biológicas de superresolución" . Journal of Physics Communications . 3 (6): 065004. Bibcode : 2019JPhCo...3f5004G . doi : 10.1088/2399-6528/ab267d . ISSN 2399-6528 . 
  22. ↑ Blau, Yochai; Michaeli, Tomer (2018). El equilibrio entre percepción y distorsión . Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones. pp. 6228–6237 . arXiv : 1711.06077 . doi : 10.1109/CVPR.2018.00652 . 
  23. ↑ Zeeberg, Amos (23 de agosto de 2023). "Las herramientas de IA que hacen que las imágenes se vean mejor" . Quanta Magazine . Recuperado el 28 de agosto de 2023 .
  24. ↑ Cohen, Joseph Paul; Luck, Margaux; Honari, Sina (2018). "Las pérdidas de coincidencia de distribución pueden generar ilusiones ópticas en la traducción de imágenes médicas" . En Alejandro F. Frangi; Julia A. Schnabel; Christos Davatzikos; Carlos Alberola-López; Gabor Fichtinger (eds.). Medical Image Computing and Computer Assisted Intervention – MICCAI 2018. XXI Conferencia Internacional, Granada, España, 16-20 de septiembre de 2018, Actas, Parte I. Lecture Notes in Computer Science. Vol. 11070. pp. 529–536 . arXiv : 1805.08841 . doi : 10.1007/978-3-030-00928-1_60 . ISBN   978-3-030-00927-4. S2CID 43919703 . Consultado el 1 de mayo de 2022 . 
  • Curtis, Craig H.; Milster, Tom D. (octubre de 1992). "Análisis de la superresolución en dispositivos de almacenamiento de datos magnetoópticos". Applied Optics . 31 (29): 6272– 6279. Bibcode : 1992ApOpt..31.6272M . doi : 10.1364/AO.31.006272 . PMID 20733840 . 
  • Zalevsky, Z.; Mendlovic, D. (2003). Superresolución óptica . Springer. ISBN 978-0-387-00591-1.
  • Caron, JN (septiembre de 2004). "Supermuestreo rápido de secuencias multifotograma mediante deconvolución ciega". Optics Letters . 29 (17): 1986– 1988. Bibcode : 2004OptL...29.1986C . doi : 10.1364/OL.29.001986 . PMID 15455755 . 
  • Clement, GT; Huttunen, J.; Hynynen, K. (2005). "Imágenes de ultrasonido de superresolución mediante reconstrucción retroproyectada". Journal of the Acoustical Society of America . 118 (6): 3953– 3960. Bibcode : 2005ASAJ..118.3953C . doi : 10.1121/1.2109167 . PMID 16419839 . 
  • Geisler, WS; Perry, JS (2011). "Estadísticas para la predicción óptima de puntos en imágenes naturales" . Journal of Vision . 11 (12): 14. doi : 10.1167/11.12.14 . PMC 5144165. PMID 22011382 .  
  • Cheung, V.; Frey, BJ; Jojic, N. (20–25 de junio de 2005). Epítomes de vídeo (PDF) . Conferencia sobre Visión por Computadora y Reconocimiento de Patrones (CVPR). Vol.  1. pp. 42–49 . doi : 10.1109/CVPR.2005.366 . 
  • Bertero, M.; Boccacci, P. (octubre de 2003). "Superresolución en imágenes computacionales". Micron . 34 ( 6–7 ): 265–273 . doi : 10.1016/s0968-4328(03)00051-9 . PMID 12932769 . 
  • Borman, S.; Stevenson, R. (1998). "Mejora de la resolución espacial de secuencias de imágenes de baja resolución: una revisión exhaustiva con directrices para futuras investigaciones" (Informe técnico) . Universidad de Notre Dame.
  • Borman, S.; Stevenson, R. (1998). Superresolución a partir de secuencias de imágenes: una revisión (PDF) . Simposio del Medio Oeste sobre Circuitos y Sistemas.
  • Park, SC; Park, MK; Kang, MG (mayo de 2003). "Reconstrucción de imágenes de superresolución: una visión general técnica". IEEE Signal Processing Magazine . 20 (3): 21– 36. Bibcode : 2003ISPM...20...21P . doi : 10.1109/MSP.2003.1203207 . S2CID 12320918 . 
  • Farsiu, S.; Robinson, D.; Elad, M.; Milanfar, P. (agosto de 2004). "Avances y desafíos en superresolución". International Journal of Imaging Systems and Technology . 14 (2): 47– 57. doi : 10.1002/ima.20007 . S2CID 12351561 . 
  • Elad, M.; Hel-Or, Y. (agosto de 2001). "Algoritmo rápido de reconstrucción de superresolución para movimiento de traslación puro y desenfoque común invariante en el espacio". IEEE Transactions on Image Processing . 10 (8): 1187– 1193. Bibcode : 2001ITIP...10.1187E . CiteSeerX 10.1.1.11.2502 . doi : 10.1109/83.935034 . PMID 18255535 .  
  • Irani, M.; Peleg, S. (junio de 1990). Superresolución a partir de secuencias de imágenes (PDF) . Conferencia Internacional sobre Reconocimiento de Patrones. Vol.  2. págs. 115–120 . 
  • Sroubek, F.; Cristobal, G.; Flusser, J. (2007). "Un enfoque unificado para la superresolución y la deconvolución ciega multicanal". IEEE Transactions on Image Processing . 16 (9): 2322– 2332. Bibcode : 2007ITIP...16.2322S . doi : 10.1109/TIP.2007.903256 . PMID 17784605. S2CID 6367149 .  
  • Calabuig, Alejandro; Micó, Vicente; Garcia, Javier; Zalevsky, Zeev; Ferreira, Carlos (marzo de 2011). "Microscopía interferométrica superresuelta de exposición única mediante multiplexación rojo-verde-azul". Optics Letters . 36 (6): 885– 887. Bibcode : 2011OptL...36..885C . doi : 10.1364/OL.36.000885 . PMID 21403717 . 
  • Chan, Wai-San; Lam, Edmund; Ng, Michael K.; Mak, Giuseppe Y. (septiembre de 2007). "Reconstrucción de superresolución en un sistema computacional de imágenes de ojo compuesto". Multidimensional Systems and Signal Processing . 18 ( 2–3 ): 83–101 . Bibcode : 2007MSySP..18...83C . doi : 10.1007/s11045-007-0022-3 . S2CID 16452552 . 
  • Ng, Michael K.; Shen, Huanfeng; Lam, Edmund Y.; Zhang, Liangpei (2007). "Un algoritmo de reconstrucción de superresolución basado en la regularización de variación total para vídeo digital" . EURASIP Journal on Advances in Signal Processing . 2007 074585. Bibcode : 2007EJASP2007..104N . doi : 10.1155/2007/74585 . hdl : 10722/73871 .
  • Glasner, D.; Bagon, S.; Irani, M. (octubre de 2009). Superresolución a partir de una sola imagen (PDF) . Conferencia Internacional sobre Visión por Computadora (ICCV).; "ejemplo y resultados" .
  • Ben-Ezra, M.; Lin, Zhouchen; Wilburn, B.; Zhang, Wei (julio de 2011). "Píxeles Penrose para superresolución" ( PDF) . IEEE Transactions on Pattern Analysis and Machine Intelligence . 33 (7): 1370– 1383. Bibcode : 2011ITPAM..33.1370B . CiteSeerX 10.1.1.174.8804 . doi : 10.1109/TPAMI.2010.213 . PMID 21135446. S2CID 184868 .   
  • Berliner, L.; Buffa, A. (2011). "Imágenes de dosis variable de superresolución en radiografía digital: calidad y reducción de dosis con un detector de panel plano fluoroscópico". Int J Comput Assist Radiol Surg . 6 (5): 663– 673. doi : 10.1007/s11548-011-0545-9 . PMID 21298404 . 
  • Timofte, R.; De Smet, V.; Van Gool, L. (noviembre de 2014). A+: Regresión de vecindario anclado ajustado para superresolución rápida (PDF) . 12.ª Conferencia Asiática sobre Visión por Computadora (ACCV).; "códigos y datos" .
  • Huang, J.-B; Singh, A.; Ahuja, N. (junio de 2015). Superresolución de imagen única a partir de autoejemplares transformados . Conferencia IEEE sobre visión por computadora y reconocimiento de patrones .; "página del proyecto" .
  • CHRISTENSEN-JEFFRIES, T.; COUTURE, O.; DAYTON, PA; ELDAR, YC; HYNYNEN, K.; KIESSLING, F.; O'REILLY, M.; PINTON, GF; SCHMITZ, G.; TANG, M.-X.; TANTER, M.; VAN SLOUN, RJG (2020). "Imágenes de ultrasonido de superresolución" . Ultrasound Med. Biol . 46 (4): 865– 891. doi : 10.1016/j.ultrasmedbio.2019.11.013 . PMC 8388823. PMID 31973952 .