SRアルゴリズムは、結果の画像を計算するために2つのアプローチを使用します。1）1つのオブジェクトのフレームセットに基づきます。 2）サンプルベースを備えた自己学習システム。
ワイズマン研究所の数学およびコンピューターサイエンス学部のコンピュータービジョン研究室の科学者は、統計的アルゴリズムを使用して単一の画像からサンプルを取得する新しい手法を提案しています。
科学的研究の超解像は単一の画像 （PDF）を形成し、著者のダニエル・グラスナー、シャイ・バゴン、ミカル・イラニ。
著者は、メソッドを2つの標準補間法（最近傍法とバイキュービック補間）と比較し、サンプルに基づいてSR手法をテストし（Freeaman et al。：Kim et al。）、統計を使用して別のSR手法（Fattal）つまり、Glasner-Begon-Iraniメソッドの場合とほぼ同じです。 リストされた方法は、以下の科学論文で説明されています
[Freeman et all。] WTフリーマン、TRジョーンズ、およびECパスター。 例ベースの超解像。 IEEE Computer Graphics and Applications、22（2）：56-65、2002
[キムら]キム・キムとクォン・Y。 単一画像の超解像とJPEGアーティファクト除去のための例ベースの学習。 テクニカルレポート173、08 2008。
[ファッタル] R.ファタル。 インポーズされたエッジ統計による画像のアップサンプリング。 ACM Trans。 グラフィックス（Proc。SIGGRAPH 2007）、26（3）：95-102、2007。
元の画像は128x128ピクセルです。
最近傍内挿
バイキュービック補間
フリーマン法
キム・メソッド
致命的な方法
グラスナー・バゴン・イラーニ法
復元されたイメージの別の例-シンボルテーブルを次に示します。
左側はバイキュービック補間の結果、右側は統計的アルゴリズムを適用したSRメソッドです。
その他のサンプル