图像空间分辨率是航空成像系统设计的一项关键技术指标,直接决定了航空侦察效果。航空成像过程受外部扰动、运动模糊、飞行姿态变化、云雾遮挡等因素影响,不可避免地造成实际获得图像的分辨率较低,进而给后续的图像处理和识别分析构成障碍。受限于制造工艺和成本,现今通过提高传感器尺寸或减小像元尺寸的方法提高图像分辨率将花费高昂的经济代价,尤其是减小图像像元尺寸会导致信噪比过低,图像质量下降。因此,研究如何利用超分辨率重建技术突破成像系统的固有限制,尽可能地恢复图像本来面貌或进一步提高图像分辨率、清晰度等,具有重要的研究意义与应用价值。本文探讨了图像超分辨率重建技术的基础理论和发展动态,系统地研究了图像超分辨率重建的各个环节。重点围绕航空成像环境的主要降质因素,研究并实现了单帧运动模糊图像、全局运动图像序列、局部运动图像序列等的超分辨率重建方法。本文的主要研究内容及贡献归纳如下:1.针对运动模糊图像,提出一种单帧联合去运动模糊和超分辨率重建方法。该方法首先构造多尺度图像金字塔,在模糊核估计阶段,利用自然图像梯度具有稀疏性的统计特性,以L0范数作为正则化约束函数,通过交替迭代方法估计出较准确的运动模糊核。其次,在超分辨率重建阶段,改用基于L1范数的ATV正则项约束代价函数,适度放宽梯度域约束限制,克服了L0范数约束过于严苛而造成图像过平滑的不足,使重建结果更自然,并利用基于导向滤波的后处理方法进一步提升了重建图像质量并抑制振铃和噪声。2.对图像序列配准及超分辨率重建算法进行了深入研究,在全局运动模式下提出一种改进BRISK特征的图像配准算法。针对原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高的问题,首先利用BRISK算法构建连续尺度空间,然后利用图像显著性特征映射自适应选择特征点检测阈值,获得局部极值和视觉显著性特征点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配,从而为重建阶段提供了更为可靠的配准参数。在重建阶段,针对超分辨率重建的正则化代价函数,详细分析了范数选择对重建结果的影响,并在超分辨率重建中采用双L1范数,这有助于保持图像边缘,提高重建图像的质量。3.针对局部运动图像序列,构建了一种融合单帧增强的多帧超分辨率框架。该方法首先采用基于卷积神经网络的超分辨率算法实现单帧图像特征提取和特征增强,通过改进边缘保持的光流方法估计单帧增强后的图像序列的位移场。然后,结合图像序列的位移场,应用局部结构相似性和对比度权值约束,从图像序列的增强特征层中依次重建高分辨率图像的特征层,并融合成一幅图像,再利用IBP算法减小重建误差。该方法结合了单帧和多帧算法的优点,能够有效解决局部运动模式下序列图像的超分辨率重建问题。4.为提高航空图像的空间分辨率,提出一种基于多相组重建的超分辨率算法。首先融合图像间的互补信息,将多帧低分辨率图像作为图像基,参考帧分解为多相组,利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多相组,经图像多相分解逆变换获得融合的高分辨率图像。然后,根据该融合图像的局部内容和结构信息自适应调整控制核核函数,应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像。与传统方法相比,该方法无需精确的图像配准和复杂的迭代过程,计算效率极大地提高,对提升现阶段航空图像质量具有十分积极的意义。综上所述,论文对现阶段航空图像超分辨率重建涉及的相关基础理论进行了分析,围绕着复杂成像环境下运动模糊、全局运动、局部运动等关键问题进行了探索,并取得了阶段性成果。论文的相关成果为进一步的算法研究提供了理论基础,对提升航空图像空间分辨率和细节清晰度具有一定的指导意义。