● 摘要
空间分辨率是决定图像质量的重要因素。在实际应用中，人们希望获取的图像具有更高的分辨率、更好的质量。由于成像系统（如CCD相机等）受其固有的传感器阵列排列密度的限制，以及光照、大气及平台和景物间的相对运动等，使得实际获取的图像产生模糊降质、分辨率下降。然而，由于硬件制作工艺水平的限制和高昂的费用，因此利用软件方法低成本地提高图像空间分辨能力（即超分辨率重建）具有重要的理论意义和实际应用价值。早期的利用单帧图像信息的超分辨重建算法，其分辨率增强能力极为有限。近年来，研究人员开始寻求新的研究方向——序列图像的超分辨重建技术，该技术在卫星、医学、视频等领域取得广泛应用，使之成为目前十分活跃的研究领域之一。本文在详细综述分析现有各种超分辨率重建算法基础上，根据课题研究需要，为解决空间目标逼近过程中目标成像分辨率需要提高问题，重点研究了序列图像超分辨率重建算法，以期找到解决问题的最佳方案。本文的主要研究工作如下：研究分析了基于迭代Lucas-Kanade光流的配准方法和频域配准方法，实现了低分辨率图像序列的亚像素级配准,并对配准精度进行了分析。在序列图像亚像素配准基础上，研究实现了双边总变分正则化算法和Papoulis-Gerchberg超分辨率重建算法，实现了超分辨率图像的重建。针对低分辨率图像序列中固有的混叠现象致使配准精度和重建质量下降问题，本文研究实现了一种重建方法——变量投影联合重建算法，该方法能同时解决配准和重建问题。仿真图像序列和实际拍摄图像序列的超分辨率重建实验证明，这种联合方法克服了混叠对配准的不利影响，应用于序列图像重建上，在配准和重建方面具有明显优势。但是该联合重建算法对噪声比较敏感，当噪声较强时，这种联合重建算法性能衰减。