项目地址见这里：http://www.wisdom.weizmann.ac.il/~levina/papers/supres/
是ICCV13的poster paper。
跟上一篇说的那个ICCV13的oral paper的切入点很类似，都是针对模糊核函数。或者说，前者说完模糊核函数很重要，我们要找到一种方法来恢复这个核函数啊，后者就把这个事情做了(所以一篇是poster一篇是oral咯。。)
这篇的思路很简单，提出了核函数很重要的说法，然后先通过实验效果验证了一下，之后再用公式推导从理论上论证。
下面大致贴一下论文的图。
$K_T$表示在从HR得到LR时候的核函数，$K_A$表示将LR恢复回HR时候用得核函数。有三个观察结果：
- 左上到右下的对角线是两个核函数相等，效果是最好的
- 偏右上的三角部分，恢复时核函数比较宽，所以恢复出来的图像过于锐利。
- 偏右下的三角部分，恢复时核函数比较窄，所以恢复出来的图像过于模糊。
出现这个结果其实也蛮直观的，以上面第二点观察为例，如果模糊时候的函数比较窄（也就是模糊系数比较低的），但恢复时候的函数比较宽（也就是模糊系数比较高），那么就会过度恢复，所以就过于锐利了。而上面的第三点观察就刚好相反了。
然后作者拿了一台相机拍照，并且通过工具估计出来它的PSF。之后做了实验，效果如下图：
PSF比bicubic的模糊效果要更强，于是用bicubic进行恢复时候就会恢复不足，显得模糊了。作者是想通过这个来说明，我们需要恢复的SR的kernel不是固定的，而应该是根据当时模糊的效果自适应地进行调整的。
最后这张图作者是想说kernel比prior要重要。看左边一溜的图就好。其中第二行和第三行都是用了最简单的prior，而三四五行用了的prior比较复杂，但是出来的效果是差不多的。所以就说明，找到了正确的核函数，prior影响就变小了。
最后作者的结论是，核函数很重要啊，所以往后的工作应该要研究怎么得到核函数咯。然后，同年的一篇ICCV就讨论了一个思路，并且中了oral。（这算是一个悲伤的故事吗？）
