图像增强与超分辨率重建技术实战 - 课程目录

图像增强概述去雾 · 低光照 · 去噪

什么是图像增强？目标与应用场景：去雾、低光照增强、去噪等核心方向。

直方图均衡化灰度直方图 · OpenCV

灰度直方图概念、直方图均衡化原理、OpenCV实现与效果对比。

自适应直方图均衡化 (CLAHE) 限制对比度

CLAHE原理、限制对比度的作用、OpenCV实现与参数调优。

伽马校正与对数变换低光照增强

伽马校正原理、对数变换原理、低光照图像增强实战。

图像去噪基础高斯 · 椒盐 · 滤波

噪声类型（高斯、椒盐）、均值滤波、高斯滤波、中值滤波。

非局部均值去噪 (NLM) fastNlMeansDenoising

NLM原理、OpenCV的fastNlMeansDenoising系列函数、参数选择。

双边滤波与边缘保持美颜 · 细节增强

双边滤波原理、与高斯滤波对比、在美颜和细节增强中的应用。

图像锐化拉普拉斯 · Sobel · USM

拉普拉斯算子、Sobel算子、USM（Unsharp Masking）锐化。

图像去雾暗通道先验 · 导向滤波

暗通道先验（DCP）原理、导向滤波优化、OpenCV实现去雾。

低光照增强 Retinex · Zero-DCE

Retinex理论（SSR/MSR）、光照图估计、Zero-DCE简介。

超分辨率重建概述 PSNR · SSIM · LPIPS

什么是超分辨率？应用场景（安防、医疗、卫星）、评价指标。

传统插值方法最近邻 · 双三次

最近邻插值、双线性插值、双三次插值（Bicubic）、OpenCV实现。

深度学习超分入门 SRCNN

SRCNN模型结构、训练流程、从Bicubic到端到端学习。

🤖 深度学习

SRCNN实战 PyTorch / TensorFlow

使用PyTorch/TensorFlow搭建SRCNN、训练、推理与评估。

FSRCNN与ESPCN 反卷积 · PixelShuffle

FSRCNN改进（反卷积）、ESPCN亚像素卷积、效率对比。

VDSR与残差学习深度残差结构

VDSR深度残差结构、残差学习的好处、梯度消失缓解。

EDSR与MDSR NTIRE2017冠军

EDSR残差块改进、MDSR多尺度处理、冠军方案解析。

SRGAN与感知损失 VGG Loss · 对抗训练

SRGAN生成对抗网络、感知损失、对抗损失、MOS评价。

ESRGAN与RRDB 更真实的纹理

ESRGAN改进（RRDB块、RaGAN）、相对判别器、纹理生成。

🖼️ 真实感

Real-ESRGAN与盲超分高阶退化

Real-ESRGAN高阶退化模型、Blind Super-Resolution、实战。

👁️ 盲超分

轻量级超分模型 MobileSR · 剪枝量化

MobileSR、SwinIR轻量版、剪枝量化、移动端部署考量。

基于Transformer的超分 SwinIR

SwinIR原理（Swin Transformer）、窗口注意力、与CNN对比。

🔄 Transformer

视频超分辨率 BasicVSR · 时序一致

VSR基础（时间对齐、光流）、BasicVSR与IconVSR、时序一致性。

人脸超分辨率 GFP-GAN · CodeFormer

Face SR特殊性、先验引导（关键点）、GFP-GAN与CodeFormer。

无监督/自监督超分 ZSSR · DIP

Zero-shot超分（ZSSR）、内部学习、DIP（Deep Image Prior）。

增强与超分的结合 EnhanceNet

先增强后超分、联合训练、端到端一体化模型（EnhanceNet）。

数据增强与数据集构建 DIV2K · RealSR

DIV2K、Flickr2K、RealSR等数据集、合成低分辨率数据、退化模型。

模型评估与调优 PSNR/SSIM · ABX

PSNR/SSIM计算、ABX测试、超参数调优、训练技巧。

模型部署与加速 ONNX · TensorRT · NCNN

ONNX导出、TensorRT加速、NCNN移动端部署、FP16/INT8量化。

综合实战项目 GUI图像增强与超分系统

从零搭建图像增强与超分系统（含GUI）、项目架构、完整代码解读。

🎯 毕业项目