高分辨率意味着图像中的像素密度高,能够提供更多的细节。提高图像分辨率最直接的办法就是提高采集设备的传感器密度。然而高密度的图像传感器的价格相对昂贵,在一般应用中难以承受；另一方面,由于成像系统受其传感器阵列密度的限制,目前已接近极限。解决这一问题的有效途径是采用超分辨率图像恢复技术,该方法通过对图像序列做图像运动估计、图像信息融合、去模糊和噪声等,从低分辨率图像序列的多张图像中恢复出细节更精细的高分辨率图像。 本论文主要针对图像超分辨率重建算法对模型误差的稳健性问题展开研究,探讨由一个彼此间存在相对运动的、模糊的、欠采样的、含噪声的低分辨率序列图像重建一幅高分辨率图像的理论和方法。论文主要的研究成果概述如下： 在图像插值方面,其中插补方法是图像超分辨率恢复技术的一个重要步骤。考虑到图像经插补处理后,数字图像的视觉质量主要依赖于图像轮廓边缘的两个因素：(1)跨越边缘方向的灰度值变化比较尖锐；(2)沿边缘方向的灰度值变化比较平滑。本文在此基础上提出了一种保护边缘的插补方法,获得了清晰的图像边缘,从而取得了较好的数字图像放大效果。 在图像去模糊处理方面,基于对图像部分高频信息有可能是细节信息或是噪声的考虑,本文提出一种自适应的概率滤波方法,实验结果表明该方法对图像去模糊、降噪比传统经典方法的效果好。 在重建算法方面,本文主要以数据保真估计和规整化方法为切入点,提出了一种基于范数估计的超分辨率重建算法,并且讨论了该算法的收敛性、凸性和参数选择,最后通过计算机模拟给出了与理论分析一致的结果。