摘要: 在某些场合，由于物理条件的限制，人们获得图像的分辨率较低，而这些低分辨率图像不能很好地满足实际需要，于是人们希望采用多幅低分辨率图像来重建超分辨率图像。超分辨率图像的重建主要利用低分辨率图像之间存在着像素内位移，而这些不同位移的低... 展开 在某些场合，由于物理条件的限制，人们获得图像的分辨率较低，而这些低分辨率图像不能很好地满足实际需要，于是人们希望采用多幅低分辨率图像来重建超分辨率图像。超分辨率图像的重建主要利用低分辨率图像之间存在着像素内位移，而这些不同位移的低分辨率图像均含有原始高分辨率图像的信息，这也是超分辨率图像重建的依据。 超分辨率概念自1984年提出以来，各国学者对其进行了深入的研究，高精度的运动配准算法，盲超分辨率，稳定有效的重建算法，超分辨重建的实时处理算法一直超分辨率重建研究课题中的重点和难点。 本论文对于超分辨率重建中的若干问题进行了研究： (1)对于低分辨率图像间像素内配准，提出了一种基于低分辨率图像插值的分级块匹配像素内配准技术。该算法利用图像像素内位移的点与附近整数像素点的关系，采用参考图像近似插值出像素内位移的图像，并采用分级块匹配和FFT技术来进行配准参数的优化，算法具有快速和高精度的特点；该算法跟传统泰勒级数展开法和内插分级块匹配算法相比，算法复杂度低，配准精度高。 (2)超分辨率重建是病态问题的规准化求解过程，对于Tikhonov规整化下重建，导出一种不需要迭代的高效重建算法。该算法主要采用了矩阵求逆引理和块对角矩阵求逆性质，将重建过程中大型矩阵的求逆转化为块对角小矩阵的求逆和FFT计算，避免了采用多次迭代算法，在重建过程中同时实现降晰函数的反卷积和多幅低分辨率图像的融合，算法几近可实时完成。 (3)规准化重建中规准化参数的准确估计将更有效改善重建图像的质量，对于采用广义交叉验证法(GCV)估计参数的计算提出了一种有效的计算方法。该算法对于参数搜索过程中每一个点的GCV函数值的计算进行分析和推导，得出一个非迭代非近似的计算方法，计算的效率优于现有的梯度迭代算法和统计迹估计器相结合计算GCV函数的方法。 (4)对于超分辨率重建中降晰函数参数的估计采用GCV法，采用分步迭代的方法进行多变量的搜索，对于每步中GCV函数值的计算导出一种有效的计算方法。 (5)活动视频的超分辨率重建具有极其广泛的应用价值，但是由于在活动的视频中存在着多个局部运动，因而超分辩率重建过程就更为复杂。本文提出一个概率法低分辨率视频超分辨率重建的算法框架，采用分级块匹配进行低分辨率帧之间的像素内配准估计，在MAP算法下进行超分辨率重建，并采用分级贝叶斯方法进行重建算法中各个参数的估计。 收起