随着计算机多媒体技术的发展,人们对数字图像的清晰度要求越来越高。视频序列的超分辨率恢复技术是一种以提高图像清晰度为目的的数字信号处理技术。它是指从一系列模糊的低分辨率观测图像中构造出一幅或多幅清晰的高分辨率图像的分辨率增强技术,主要涉及图像恢复、信息生成与融合和图像配准三方面的技术。图像恢复是指从观测到的模糊图像中尽可能恢复出原始图像来的灰度分辨率增强技术;图像融合是将两幅或两幅以上图像的信息进行综合,生成一幅清晰、完整、可靠的合成图像;图像配准是指建立两幅图像之间在空间和灰度特征上的映射关系的过程,它的准确程度决定了超分辨率结果的好坏。目前,超分辨率图像配准存在的主要问题是:(1)各种超分辨率方法对图像配准重视不够;(2)现有的配准方法都是假设除平移分量外的其它运动分量变化很小,但实际条件很少能够满足这种假设。待配准的图像之间的旋转角度和比例因子在大范围内变化时,配准结果精度满足不了超分辨率需要。本文针对上述问题,提出了基于目标跟踪的序列图像配准算法。该算法首先利用基于SIFT的目标跟踪技术对感兴趣的目标区域进行粗定位,求得粗变换参数,然后运用Lucas方法进一步准确估计参数。实验表明该算法在变换参数各分量(平移、缩放、旋转等)大尺度变化情况下,能够提高变换参数的计算精度。由于Lucas配准方法容易陷入局部极小,而遗传算法有着非传统搜索算法的群体搜索策略和全局寻优能力,本文将遗传算法用于图像配准中。方法是:利用粗略估计的参数指导遗传算法初始种群的生成、适应度函数设计以及选择、交叉和变异算子的构造,实验证明该算法进一步提高了配准精度。本文提出的序列图像配准算法将目标跟踪、遗传算法和图像配准技术进行有机的结合,提高了在运动参数变化大情况下的序列图像的配准精度。