近年来,图像(或视频)序列的超分辨率复原问题得到人们越来越多的关注。与传统的单幅图像复原问题只有一幅输入图像可供处理的情况不同的是,超分辨率图像复原往往是从多幅退化图像中恢复出一幅高分辨率的图像,可以充分地利用图像序列的信息。实际上,成像系统和场景的运动会导致序列中的各幅图像包含类似但又不完全相同的信息,这些附加的信息是超分辨率复原实现的依据。 从图像序列实现超分辨率复原是一个典型的病态求逆问题,可以利用正则化的方法(即利用先验信息约束可行解的空间)逼近问题的解。本文将图像超分辨率问题视为正则化图像插值问题,主要讨论从分辨率意义上提高图像质量的插值算法。在先验模型约束的条件下,采用了一种基于图像序列帧间插值的方法,通过迭代的手段不断逼近未知的高分辨率图像。 遗传算法是一种基于自然选择和遗传机制的搜索算法,它使用概率转移规则引导搜索过程朝着最优解的方向进行。与其他的搜索算法相比,遗传算法具有数学简单性、隐含并行性等特点。近年来,遗传算法在很多领域得到了广泛的应用,包括图像处理领域。本文以遗传算法为主要手段实现了图像序列运动估计和帧间插值算法,实验表明了本文所提算法的有效性。