大众化的车载为了满足图像的实时显示以及高速存储的要求,其图像质量往往不尽人意。通常情况下,图像传感器(CCD,Charge-coupled device)能够获得较好的图像质量,但是在特殊的场合,由于在图像的成像、传输、存储、显示的过程中,受到成像距离、成像环境、传感器的形状和大小、空气扰动、物体运动以及镜头散焦的影响,大众化的车载采集的图像呈现出不同类型的降质,其中降质类型主要包括:含噪图像、运动模糊图像、镜头畸变图像、大气湍流模糊图像、散焦模糊图像。图像降质表明有效的图像信息受到污染或丢失,这将严重影响突发状况时对于有效的车载采集到的图像信息的获取。为了在分析取证时获得足够的图像细节信息(车辆特征、环境特征),为刑侦分析提供取证。改善图像质量的超分辨率重建技术成为了图像处理领域研究的热点课题。图像超分辨率重建的方法主要有两类:由同一场景的多幅降质图像重建出一幅高分辨率图像;由单幅降质图像重建出一幅高分辨率图像。考虑到难以获得同一场景下多张车载采集图像的性质,本文将致力于解决单幅车载采集的城市街景图像(环境特征)的超分辨率重建的问题。在各种因素的影响下,五类降质图像中以含噪图像以及运动模糊图像最为普遍,因此主要针对存在斑点噪声以及运动模糊的车载采集的城市街景图像展开研究,首先对这两类图像进行预处理,去除其存在的斑点噪声或者运动模糊,得到较低分辨率的车载图像,再对预处理之后的低分辨率车载图像进行自相似性超分辨率重建,从而最终得到清晰的车载图像。对于重建车载采集的城市街景图像的好坏,采用无参考图像评价指标为评判标准,相较于现有的比较好的超分辨率重建算法来讲,本文的方法在图像信息熵(entropy)、图像对比度(contrast)、算法复杂度(执行时间)、图像边缘强度(ESL)、盲图像质量评价指标(BIQI)上都有一定的提高,验证了本文算法在车载图像超分辨率重建方面的有效性。现将本文的主要工作以及创新点总结如下:(1)分析了车载采集图像呈现出的不同降质情况,首先针对含有斑点噪声的车载采集的城市街景图像进行预处理,通过控制核回归的方法对图像块进行加权处理,对相似的图像块进行聚类,由主成分分析法(PCA)进行字典原子的优化选择,提取表征能力最佳的原子构建最优字典,利用核回归方法对图像进行估计,结合DWO-TV方法提升图像的阶跃边缘,最后进行图像融合。(2)分析了车载采集的城市街景图像的另一种降质情况,即运动模糊图像。针对运动模糊的车载采集的城市街景图像进行预处理,针对模糊核估计和隐含图像的估计分别采用了如下算法。对于模糊核的估计,采用变分狄利克雷方法,该方法与变分贝叶斯方法不同,它使得优化问题不需要任何等式约束,用梯度投影法求解优化问题,提取图像边缘的精确方向,能够较准确的估计模糊核。对于隐含图像的估计,通过改进的增广拉格朗日算法来处理不确定的边界条件,以提高估计图像的质量和算法的运行速度。同时将一个有效的优化算法(超拉普拉斯法)应用于盲图像复原中,并结合变分狄利克雷方法对模糊核进行估计。(3)对预处理之后的车载采集的城市街景图像,采用自相似性超分辨率重建的方法,重建高分辨率的车载图像。该方法通过在多尺度图像的仿射变换的基础上增加透视变换扩展内部图像块的搜索过程,采用组合模型来处理这两种变换。通过定位平面、检测图像的透视几何特征引导图像块的搜索过程,同时在图像重建的过程中进行高频补偿弥补图像金字塔中损失的高频细节。最后以迭代反投影进一步验证图像的重建效果。实验结果表明:本文对复原之后的车载采集的城市街景图像的重建效果无论从主观视觉上,还是从客观的评价指标上都优于当前较好的对比算法。在主观视觉上几乎没有晕影效应与锐化效果,图像的边缘清晰;在评价指标上,图像的信息熵、对比度在数值上普遍提高了0.5-2,边缘强度、盲图像重建指标在数值上普遍提高了2-3,进一步验证了本文算法在图像细节恢复上的有效性。