实际中的许多成像系统,如红外成像仪和CCD照相机等,受其固有的传感器阵列排列密度的限制,采集到的视频图像分辨率不可能很高;此外光学系统的像差、大气扰动及系统噪声等因素也会造成图像的模糊和变形。人们提出通过使用更好的成像设备来增强传感器阵列密度,提高获取图像的分辨率,但这种仅通过改善硬件设备的方法会给使用者带来较高的费用支出,而且硬件改善面临的技术困难很难在短时间内克服。因此从软件方面着手,采用超分辨率重建技术来提高图像分辨率有着极大的现实意义和应用价值。超分辨率重建技术的目的就是由一些低分辨变形图像或视频序列来估计一幅较高分辨率的非变形图像。该技术经过近20年的发展,形成了许多实用的算法,如频域法、非线性内插法及空域迭代法等。这些算法各具特色,都能取得较好的重建效果,但也各有利弊,特别是近几年兴起的基于压缩图像或视频的重建技术研究,由于量化噪声的引入又使该领域面临着新的困难和挑战。本文针对超分辨率重建算法中的关键技术做了多方面的研究,通过分析归纳重建算法的基础理论和相关知识,围绕影响重建技术稳定性、快速性及提高压缩图像重建结果等三个方面展开,提出了新的改进思想,力求能够完善超分辨率重建算法的性能。首先,本文研究了超分辨率重建算法的稳定性问题。在基于统计思想的重建算法原理基础上,第二章提出一种新的建模方法进行超分辨率重建。由于最大后验概率(MAP)重建算法的稳定性要求先验图像的随机场模型应满足规则化条件,其先验模型的概率分布应满足严格凸函数的条件,我们对边缘图像进行建模,将其近似为洛化兹分布,并通过自适应地调整洛化兹宽度参数来逐步修正MAP迭代结果,实验结果论证了该模型对于超分辨率重建算法的有效性和优越性,基于洛伦兹分布的MAP重建算法,可以获得理想而稳定的重建结果。其次,本文研究了MAP算法应用于压缩图像或视频的重建问题。由于压缩过程中的分块DCT和量化过程,变换编码中存在着块效应和振铃效应,严重影响了图像的可视质量,而超分辨率重建的目的是建立一个高清晰度的图像和视频,第三章分别提出两种思路进行超分辨率重建去块效应的研究。第一:从条件概率密度函数着手,将DCT系数的先验知识与量化噪声模型分布的分析相结合,在假设DCT域量化噪声服从Laplacian分布的前提下,计算出DCT域量化噪声的协方差矩阵,并进一步推导出其空域协方差矩阵,从而构建更通用的MAP重建算法框架。第二:从先验概率模型着手,将图像后处理技术与重建算法相融合,提出将压缩图像建模成分段马尔可夫随机场模型,按照各像素点方差值,对先验图像像素点进行特性分类,将图像分为平滑、纹理、边缘和振铃四大部分,并按不同的像素点特性构建相应的指示函数,以达到抑制噪声并保持图像纹理及边缘等有用高频信息的目的。最后,第四章利用平移变换平移(CS)的思想进行多帧融合,提出一种新的基于小波变换思想的多帧插值算法,该法将CS的结构原理与多幅图像或视频帧内固有的运动矢量信息相结合,实现重建算法中的非线性插值与图像复原过程的结合。该法克服了传统空间域非线性内插算法的局限性,适用于各个低分辨率帧退化模型不同及成像系统未知的情况,同时算法的复杂性低,计算量小,具有较高的实用性。