近年来,图象超分辨率技术因其良好的应用前景而吸引着人们的广泛关注。图象超分辨率处理技术包含图象超分辨率复原(重建)和图象分辨率增强技术等,前者分别从图象复原(重建)发展而来,后者广义上不仅包含前者的内容,而且包含单传感器多帧图象融合增强分辨率,自适应正则化图象插值等内容。图象分辨率不仅表征图象的物理尺寸,还表征影象高频信息的保真度。图象分辨率又可细分为图象空间分辨率、灰度分辨率和频谱分辨率等。传统图象插值包括零阶插值或最近邻插值、双线性插值、立方样条插值等,都是先经补零疏化、后经内插滤波实现的。传统图象插值都可以用来增大图象的物理尺寸,但这些插值算法不能利用图象本身信息来提高图象高频信息的保真度,因而不能提高图象的分辨率。图象复原,是指去除或减轻在获取数字图象的过程中发生的图象质量退化,即要研究图象成像系统的退化原因,建立相应的数学模型,并沿图象降质的逆过程尽可能恢复退化图象的本来面目图象超分辨率复原,需要使用图象插值与图象复原技术,意味着在更高的分辨率栅格上复原图象,问题的病态(ill-conditioned)性和解的不定(ill-posed)性增加。但图象超分辨率复原技术,是利用低分辨率像机获取高分辨率图象的不可多得的一种途径,具有很高的研究价值和应用价值。图象超分辨率复原有频域方法和空域方法两类:其中频域方法主要基于频谱解混叠;空域方法又分迭代反投影方法、凸集投影方法、Bayesian 估计方法等。为了提高图象超分辨率复原的效率和提高复原图象的质量,本论文提出了一种基于并行遗传算法的图象(序列)超分辨率复原的新框架方法。在该方法中,遗传算法采用实值编码方式,且其“岛模型”的并行机制,有利于多帧图象信息的快速整合,使得算法直观和高效;同时提出采用其他超分辨率复原方法的迭代形式,充当遗传算法的变异算子,能有机地结合这些现有方法的优势,加快算法的收敛。另外,还改造了图象复原的客观评价标准来评价图象超分辨率复原算法的效果。实验证明,该方法有效可行。在此基础上,考虑到成像系统的的点扩展函数(PSF)在实际系统中很难准确辨识,即盲图象超分辨率复原仍然是困扰人们的一个难题,本文在研究传统图象插值技术的基础上,结合图象复原理论中的正则化技术,首次提出了基于遗传算法的正则化图象插值方法,来增强图象的分辨率。文中给出了算法原理及步骤,并对算法特点和<WP=5>性质进行了详细的分析,又提出了通过实验的方法选取正则化参数的方法。最后给出了实验结果以及详细的实验分析,并将其与其它正则化图象插值技术进行了比较,是一种新颖实用的方法。