高分辨率图像能够提供细节信息,低分辨率图像能够大量减少采样和测量的数量,更多的细节和更少的采样量之间的权衡一直是多分辨率成像研究亟待解决的问题。针对高分辨率区域的自动选取和多分辨率测量结果的融合,提出了基于感兴趣区域的多分辨率图像重构算法,并在深度图像成像系统和单像素成像系统上验证了算法的有效性。自适应深度图像成像系统从结构光照明出发,重点研究以感兴趣区域投影模板选取为核心的多分辨率深度图像重构算法。通过感兴趣区域检测算法初步预估深度成像系统场景中的感兴趣区域,仅对感兴趣区域投影条纹波序列进行多次测量。由结构光深度成像系统的标定和三角测量获得多分辨率深度图像,解决了传统深度图像获取中测量精度与测量次数成正比造成的数据爆炸问题。单像素成像系统通过低分辨率模板采样场景获得低分辨率图像,通过低分辨率图像确定感兴趣区域。逐步缩小感兴趣区域范围的同时逐步提高感兴趣区域的分辨率,通过小波变换重构图像,解决了多分辨率图像融合问题。采用显著性检测算法获得低分辨率感兴趣区域,将低分辨率感兴趣区域轮廓作为水平集初始轮廓,经过水平集算法迭代形成高分辨率感兴趣区域。采用多阶小波逆变换重构出包含低、中和高三种分辨率的图像。实验结果表明,基于水平集的层级感兴趣区域小波重构算法实现了包含三种分辨率的图像重构,在不同测量压缩率下都能实现较好的多分辨率重构效果。