再者就是，为什么该技术可以顺利的应用在铁路视频监控这件事上。其实，超分辨率技术能实现的条件其实也很简单，就是取决于能否获取同一场景下的多帧拥有互补信息的低分辨率图像。这对于铁路监控视频来说是十分容易的一件事。我们只要先圈定一个感兴趣的范围，然后调出该范围内的监控视频，逐帧截取，就能获得有相对位移（运动）的低分辨率图片了。所以，该技术必然是可以应用在铁路视频监控中的，并且有极好的应用前景。
1.4 超分辨率技术的国内外研究现状
1.4.1 国外研究概况
1.4.2 国内研究概况
  1.5 本文的主要工作与章节安排
本文的主要内容是对超分辨率技术的概念、原理及过程进行详细的介绍与分析。因为本实验主要研究的是超分辨率算法的优劣特点。所以在实验中，为了消除亚像素配准对实验结果可能会造成的影响，事先准备好了低分辨率图像，这些低分辨率的图像需要通过对高分辨率的图像模拟加入观测模型中的各种影响因素来生成。然后再用算法实现超分辨率的重建，并对其结果的优劣进行比较。
第一章，绪论。从分辨率的概念出发，介绍了超分辨率技术的概念，在铁路监控视频的应用及国内外对其的研究情况。
第二章，超分辨率重建的原理。该章节介绍了，图像采集时画质退化的观测模型。有观测模型这一正过程反推出了，超分辨率技术的原理。最后总结了超分辨率重建的基本步骤。并详细介绍了超分辨率重建过程中的基石，亚像素配准。
第三章，超分辨率算法介绍。该章节中从原理和数学的角度粗略的介绍了超分辨率技术在空域法领域研究中所应用到的几个最为基本的算法。
第四章，配准信息的获取。该章节中介绍了实际试验中通过对高分辨率图像进行函数变换处理的方式做到人为模拟出低分辨率图像的做法。从而使运动估计和模糊噪声变为已知的值，减少对于重建结果的影响，突出算法上的差异对结果的影响。
第五章，展示了实验仿真算法的具体结果，并且对所得的结果进行了分析。主要对重建结果的清晰度和细节保留度进行了比较。
第优尔章，总结与展望。对超分辨率技术研究的工作总结并且对该技术在铁路视频中的应用进行了展望。
  2 超分辨率技术的原理
2.1 观测模型的概念
在第一章提到的数码图像被获取时的退化过程，其中包含了大气模糊、光学模糊、运动模糊、频谱混叠和干扰噪声等等，这个过程和这些因素将在超分辨率重建开始前，被树立建立成一个数学模型，就是观测模型了。一下是一个单个传感器下高分辨率图像联系到某一帧低分辨率图像的观测模型，如图2.1所示：
 从图中可以很清楚的看到现实场景图像变成我们得到的低分辨率图像是怎么样的一个过程。在这个过程中我们把现实场景图像定义为X(x,y)；然后将大气模糊定义为系统函数Hatm（x,y）；将镜头模糊定义为点扩展函数Hcam（x,y）；将所有的平移、旋转和缩放都考虑在内，定义一个几何形变矩阵F；↓代表了下采样并定义噪声为V[m,n]；最后得到的低分辨图像为Y[m,n]。可以得出数学表达式为：
             （2.1）
其中**表示二文卷积，从而可以看出，一张低分辨率的图片是模糊且含噪的。
上述的图片和数学运算式很好的表达了低分辨率的图像是如何生成的，这是一个完整的正过程，而本文所讨论的超分辨率重建技术则是该过程的逆过程。 铁路监控视频的超分辨率技术研究(4):http://www.youerw.com/tongxin/lunwen_22291.html