随着视频和图像处理技术的飞速发展,人们对高分辨率视频和图像序列的需求越来越强烈。高分辨率图像能提供目标的更多细节信息,对于图像的分析和处理有重要作用。然而在某些应用场合,由于光学物理器件、处理器性能、信道传输带宽或存储容量等的限制,人们获得图像的分辨率往往较低,并且无法或很难通过直接方式突破这些限制。因此,如何在现有条件限制下,提高图像和视频序列的空间分辨率,就成为人们研究的重点。多帧图像的超分辨率重建技术已被证明是一种行之有效的解决上述问题的方法。它将同一场景的多幅图像之间互为补充的信息,用信号处理的方法进行融合,得到一幅分辨率增强的图像。这一技术可在不改变物理条件的情况下,有效地提高图像的空间分辨率,为目前在光学物理器件性能受限的情况下获取高质量的图像,或在视频压缩处理器性能及通信带宽受限的情况下,获得高质量的视频和图像提供了一种很好的解决方法,因此有广泛的应用前景,对该技术的研究具有重要的理论与实用意义。本文对视频和图像序列的超分辨率重建技术中的模糊参数估计、块匹配运动估计以及基于正则化的超分辨率重建等若干关键问题进行了研究,并取得了一些研究成果。主要工作和研究成果如下:I.提出了一种自适应估计模糊参数的超分辨率重建算法。视频序列的超分辨率处理应用中,成像系统的点扩散函数(PSF)通常是未知的,而为了获得最佳的重建质量,必须预设成像系统的PSF。该算法利用多幅低分辨率图像之间的相互验证关系,训练并自动获得成像系统的PSF,降低了模糊参数调整的复杂度。实验结果表明该算法能更好地保持图像细节,使重建图像的纹理更清晰。II.提出了一种基于位置采样的金字塔型块匹配快速算法,并在具体的项目需求下,设计了该运动估计处理器的知识产权核(IP)和一种基于微控制器(MCU)架构的可编程块匹配协处理器IP。算法分析了现有的金字塔型块匹配算法的缺陷,通过将像素采样改进为位置采样,降低了上层运动估计匹配的误判概率。算法运算过程中,位置采样后每一层的运算结构有很强的相似性,通过复用硬件结构大大节省了硬件资源。算法在图像质量损失很小的情况下,大幅度降低了运算量和硬件资源占用率,可以满足视频序列实时处理的要求。III.提出了一种多边滤波正则化的超分辨率图像复原算法。通过将滤波对象由一阶梯度扩展到二阶梯度,多边滤波正则化在保持图像全局平滑的同时,更好地保护了屋顶边缘纹理。这一函数对陡坡位置有很好的滤波作用,并且可以自动调整滤波参数,解决了重建算法中参数调整复杂的问题。对合成图像和真实视频序列的仿真结果表明,这一算法可以获得很好的重建质量。IV.提出了一种内嵌正则化的超分辨率重建算法。该算法改进了正则化超分辨率重建算法中的条件概率项和正则项的结合方式,将正则化函数直接作用于条件概率项,提高了正则化函数的校正效率,并加快了重建运算的速度。对合成图像和真实视频序列的仿真结果表明,该算法运算量较小,迭代收敛速度快,而且重建图像质量好。