[1] H YU. Image-type displacement measurement resolution improvement without magnification imaging. Measurement Science and Technology, 33(2022).
[2] 2王冬云， 唐楚， 鄂世举， 等. 基于导向滤波Retinex和自适应Canny的图像边缘检测［J］. 光学 精密工程， 2021， 29（2）： 443-451. doi: 10.37188/OPE.20212902.0443WANGD Y， TANGCH， E SH J， et al. Image edge detection based on guided filter Retinex and adaptive Canny［J］. Opt. Precision Eng.， 2021， 29（2）： 443-451.（in Chinese）. doi: 10.37188/OPE.20212902.0443
[3] 3刘宇涵， 闫河， 陈早早， 等. 强噪声下自适应Canny算子边缘检测［J］. 光学 精密工程， 2022， 30（3）： 350-362. doi: 10.37188/OPE.20223003.0350LIUY H， YANH， CHENZ Z， et al. Adaptive Canny operator edge detection under strong noise［J］. Opt. Precision Eng.， 2022， 30（3）： 350-362.（in Chinese）. doi: 10.37188/OPE.20223003.0350
[4] S SHARMA, J VENTURA, S D’AMICO. Robust model-based monocular pose initialization for noncooperative spacecraft rendezvous. Journal of Spacecraft and Rockets, 55, 1414-1429(2018).
[5] W WANG, X N LU, Z Z HE et al. Using convolutional neural network for intelligent SAM inspection of flip chips. Measurement Science and Technology, 32, 115022(2021).
[6] 6朱福珍， 刘越， 黄鑫， 等. 改进的稀疏表示遥感图像超分辨重建［J］. 光学 精密工程， 2019， 27（3）： 718-725. doi: 10.13482/j.issn1001-7011.2019.05.004ZHUF ZH， LIUY， HUANGX， et al. Remote sensing image super-resolution based on improved sparse representation［J］. Opt. Precision Eng.， 2019， 27（3）： 718-725.（in Chinese）. doi: 10.13482/j.issn1001-7011.2019.05.004
[7] 7周涛， 霍兵强， 陆惠玲， 等. 融合多尺度图像的密集神经网络肺部肿瘤识别算法［J］. 光学 精密工程， 2021， 29（7）： 1695-1708. doi: 10.37188/OPE.20212907.1695ZHOUT， HUOB Q， LUH L， et al. Lung tumor image recognition algorithm with densenet fusion multi-scale images［J］. Opt. Precision Eng.， 2021， 29（7）： 1695-1708.（in Chinese）. doi: 10.37188/OPE.20212907.1695
[8] P THÉVENAZ, M UNSER. Linear interpolation revitalized. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 13, 710-719(2004).
[9] R R SCHULTZ, R L STEVENSON. Extraction of high-resolution frames from video sequences. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 5, 996-1011(1996).
[10] 10彭真明， 景亮， 何艳敏， 等. 基于多尺度稀疏字典的多聚焦图像超分辨融合［J］. 光学 精密工程， 2014， 22（1）： 169-176. doi: 10.3788/ope.20142201.0169PENGZ M， JINGL， HEY M， et al. Superresolution fusion of multi-focus image based on multiscale sparse dictionary［J］. Opt. Precision Eng.， 2014， 22（1）： 169-176.（in Chinese）. doi: 10.3788/ope.20142201.0169
[11] Y TANG, Y YUAN. Image pair analysis with matrix-value operator. IEEE Transactions on Cybernetics, 45, 2042-2050(2015).
[12] C DONG, C C LOY, K M HE et al. Learning a deep convolutional network for image super-resolution. Computer Vision, 184-199(2014).
[13] C DONG, C C LOY, X O TANG. Accelerating the super-resolution convolutional neural network. Computer Vision, 391-407(2016).
[14] J KIM, J K LEE, K M LEE. Accurate Image Super-Resolution Using Very Deep Convolutional Networks, 1646-1654(2016).
[15] K M HE, X Y ZHANG, S Q REN et al. Deep Residual Learning for Image Recognition, 770-778(2016).
[16] 16谷雨， 刘俊， 沈宏海， 等. 基于改进多尺度分形特征的红外图像弱小目标检测［J］. 光学 精密工程， 2020， 28（6）： 1375-1386. doi: 10.3788/ope.20202806.1375GUY， LIUJ， SHENH H， et al. Infrared dim-small target detection based on an improved multiscale fractal feature［J］. Opt. Precision Eng.， 2020， 28（6）： 1375-1386.（in Chinese）. doi: 10.3788/ope.20202806.1375
[17] C SZEGEDY, W LIU, Y Q JIA et al. Going Deeper with Convolutions, 1-9(2015).
[19] G HUANG, Z LIU, L VAN DER MAATEN et al. Densely Connected Convolutional Networks, 2261-2269(2017).
[20] J S CHOI, M KIM. A Deep Convolutional Neural Network with Selection Units for Super-Resolution, 1150-1156(2017).
[21] H KIM et al. Enhanced Deep Residual Networks for Single Image Super-Resolution, 1132-1140(2017).
[22] 22朱威， 王立凯， 靳作宝， 等. 引入注意力机制的轻量级小目标检测网络［J］. 光学 精密工程， 2022， 30（8）： 998-1010. doi: 10.37188/OPE.20223008.0998ZHUW， WANGL K， JINZ B， et al. Lightweight small object detection network with attention mechanism［J］. Opt. Precision Eng.， 2022， 30（8）： 998-1010.（in Chinese）. doi: 10.37188/OPE.20223008.0998
[23] 23鞠默然， 罗海波， 刘广琦， 等. 采用空间注意力机制的红外弱小目标检测网络［J］. 光学 精密工程， 2021， 29（4）： 843-853. doi: 10.37188/OPE.20212904.0843JUM R， LUOH B， LIUG Q， et al. Infrared dim and small target detection network based on spatial attention mechanism［J］. Opt. Precision Eng.， 2021， 29（4）： 843-853.（in Chinese）. doi: 10.37188/OPE.20212904.0843
[24] W Z SHI, J CABALLERO, F HUSZÁR et al. Real-time Single Image and Video Super-Resolution Using An Efficient Sub-Pixel Convolutional Neural Network, 1874-1883(2016).
[25] X T LUO, Y XIE, Y L ZHANG et al. LatticeNet： towards lightweight image super-resolution with lattice block. Computer Vision, 272-289(2020).
