题目：面向空间探测的图像超分辨率重建技术研究

在图像处理领域，如何获得高分辨率的图像一直是一项非常具有挑战性的研究，因为高分辨率图像能够提供具有更多细节和更清晰的图像。提升图像分辨率最直接的方法是增加感光元件的数量，也就是增加像素数，或是减少感光元件的面积，但是在现实中，感光元件的面积不能无限制的减小，其尺寸的减小存在物理极限并且成本也十分的高昂。尤其在航空航天领域，成像设备的升级往往意味着成像设备重量的提升，但任何的重量上的增加都会导致发射成本急剧上升。因此人们开始寻求通过软件的方式来提高图像的分辨率，也就是图像的超分辨率重建算法，目前图像的超分辨率重建已经被广泛应用于军事，医疗，交通等领域。 超分辨率重建的主要目的是通过一幅或多幅低分辨率降质图像恢复并重建出一幅高分辨率图像。在超分辨率重建的过程中需要克服噪声，图像运动模糊，图像下采样，以及散焦模糊等一系列问题，以提高图像分辨率和增加图像的高频信息。其中在图像配准的过程中主要应用的方法有：Keren级数法、光流法、块运动估计法等。图像超分辨率重建方法中比较经典的方法包括：非均匀差值法、MAP最大后验概率 、POCS凸集投影法和基于学习的方法。但是由于这些方法的算法复杂度均比较高，计算速度较慢，并且这些算法的设计普遍针对地面拍摄物体，其成像条件和成像设备同空间成像都有所不同，并且空间成像对算法也有着较高的性能要求。因此目前的学者们在寻找恢复效果更好的重建方法，以适应空间探测的图像超分辨率重建特点，并努力提高图像重建的计算速度。 本文在介绍以上算法优缺点的基础上，根据空间探测的成像特点，也就是光照环境由于缺少大气以及云层的柔光作用，导致光照环境变化较快，明暗分界较为明显，以及成像距离较远导致被拍摄物体比较小的特点，提出了新的计算方法。针对现有配准算法的优缺点，本文提出了基于Keren级数和图像分块配准的快速图像配准算法，最后通过实验证明，通过对图像进行分块处理，能够有效的减少图像配准时所需计算的图像面积，从而达到减少计算量并提高计算速度的效果。随后对目前应用比较广泛的几种超分辨率重建算法进行了介绍，提出了具有边缘增强特性的正则化项算子，该正则化算子由两个具有不同作用的正则化项组成。最终通过模拟图像实验证明了该正则化算子能够同时去除噪声并且增强图像边缘信息，有效降低了该算法的计算复杂度并提高了计算速度；并通过针对空间探测真实拍摄图像的实验，验证了本文提出的算法能够在一定程度上解决空间探测成像中遇到的一系列问题。