超分辨率重建就是基于已获得的多帧低分辨率图像估计出一幅高分辨率图像,以达到提高图像分辨率,恢复高频信息的目的。由于图像序列的不同帧之间存在着相对位移,因此帧间存在着互补信息,视频超分辨率重建技术就是利用图像序列间的互补信息来估计获得高分辨率图像。
　　论文首先分析了视频超分辨率重建技术的研究现状和未来发展趋势,接着介绍了超分辨率问题的基本概念和经典的图像退化模型,同时介绍几种目前广泛使用的超分辨率重建算法。鉴于高精度的运动估计算法是超分辨率重建技术的关键步骤,因此论文讨论了目前应用广泛的几种运动估计算法,并提出了一种基于相关约束匹配和射影约束的最优匹配点提取算法。算法首先采用相关约束匹配的方法获得候选匹配对集,以初步排除位移角点和伪角点;然后根据特征点集在图像射影变换过程中的整体稳定特性进行配准,最后通过设定共面点射影约束条件,自动选取相对精度最高的匹配点作为最优匹配点对。仿真实验结果表明,该算法提取的最优匹配点对噪声和干扰具有很好的鲁棒性,对具有明显噪声和较大干扰的实际图像,仍然能够获得比较理想的运动估计效果。除此之外,为了获得更高的运动估计精度,论文又提出了基于改进光流的运动估计算法,该算法在灰度恒定假设的基础上,提出了一种加权梯度恒定假设,并通过结合HSV色系光度恒定假设,可用于对存在较大运动位移和光照变化的视频图像序列进行参数估计。仿真实验结果表明,该方法能够获得亚像素级估计结果。
　　在超分辨率重建部分,本文提出了一种基于洛仑兹范式估计和洛仑兹梯度误差约束的视频图像序列超分辨率重建算法。该算法采用洛仑兹范式作为误差估计,能有效抑制噪声和去除奇异点干扰。为了获得更好的重建效果,本文提出了一种洛仑兹梯度约束项,通过结合全变分约束项,使得重建算法能在保护高分辨率图像平滑区域的同时进一步增强边缘信息。