图像超分辨率重建简介：https://www.cnblogs.com/rainbow70626/p/9041008.html
图像复原与重建：https://blog.csdn.net/qq_38352854/article/details/79429164
学习笔记之——基于深度学习的图像超分辨率重建：https://blog.csdn.net/gwplovekimi/article/details/83041627
paper 108：系统学习数字图像处理之图像复原与重建：https://www.cnblogs.com/molakejin/p/5766159.html
图像曝光、系统噪声、分辨率低而引起的图像质量退化
有的老照片问题是噪声太多，有的老照片是高曝光纹理丢失，你的方法好像只是用于没有问题的低清合成高清
一种基于非负矩阵分解的高光谱影像模拟方法：https://mp.weixin.qq.com/s/KUasePKmxmh8saOuMJE9YA
恩恩，所以你的方法要求好严格啊必须要满足照片成像没有问题才行。。如果[有问题的][低清]图像和[没有问题的][高清]图像建立对应关系，多加一个条件然后在头部区域做训练集，还能不能找到其它区域的对应高清像素点？(不行吧，脸跟裤子不是一个特征，但是对于小样本来说，无监督半监督来说也是可以的吧？)还能不能成功呢。。这样通过低清合成高清顺便把其它问题也都解决了
通过训练剔除噪声？？——[将图像预处理(滤波)、图像增强(修复)、合成(超分)，在一步做]
基于GANs训练去噪深度神经网络实现了良好的图像盲去噪效果：http://m.elecfans.com/article/700802.html
去除噪声的滤波有很多种
【机器学习】NMF(非负矩阵分解)：https://blog.csdn.net/jeffery0207/article/details/84348117 非负矩阵分解NMF(应用、原理及基于python的实例):https://blog.csdn.net/Enjoy_endless/article/details/83211823
半监督
机器学习和深度学习的区别？：
