2.3 单幅图像的模糊核估计方法 15

2.4 本章小结 22

3 分层贝叶斯多幅图像超分辨算法 23

3.1  引言 23

3.2  构建超分辨复原模型 23

3.3  图像退化过程与观测模型 24

3.4  基于水平和垂直方向梯度L1稀疏性的图像先验模型 25

3.5  本章小结 26

4 基于分层贝叶斯多幅图像超分辨系统的实现 27

4.1  引言 27

4.2  Matlab GUI 简介 29

4.3  非盲超分辨实现 31

4.4  盲超分辨实现 36

4.5  盲参数估计模块 39

4.6  本章小结 43

总结与展望 44

致  谢 45

参考文献 46

1   绪论

1.1   课题背景与意义

在数字图像的采集过程中，由于所使用设备硬件性能的限制和拍摄条件与环境的影响，会导致所获取的图像分辨率较低。这样的图像比较模糊，具有的信息量也不足够丰富，这将会对之后的处理和应用产生较大的影响。因此如何提高成像系统所获取图像的分辨率是研究者们当前面临的一项重要任务。解决此问题可以从硬件和软件两个方面考虑。最直接的办法是使用分辨率更高的设备，不过这存在两个问题：一个是高分辨率的设备价格相对昂贵，另一个是每一种硬件设备都具有它的提升极限，所以完全依赖改进成像设备来提高图像分辨率不是一个切实可行的方法。因此可以考虑采用软件方法来提高图像的分辨率。其主要思想是使用多个低分辨率图像来获取一幅高分辨率图像，即超分辨率重建技术。该技术采集多个低分辨率图像之间的相对运动数据，再把它们融合到单幅高分辨率图像中，并除去低分辨率图像中的噪声和模糊。随着计算机技术的不断发展，采用软件方法不仅能够降低成像设备的物理成本，而且也便于实现与推广。因此利用软件方法提高图像分辨率的技术具有非常广阔的应用前景。

超分辨率图像重建技术在现实生活中具有十分广泛的用途。以下简单列举一些常见的应用。

（1）医学图像。医护人员需要利用高分辨率的医学图像来帮助医生做出正当的诊断，但是由于受到硬件成像设备的限制，得到的图像也许不能令人满意。因此，利用超分辨率重建技术将图像的分辨率提高，会使医生的诊断准确无误。

（2）卫星遥感。在军事领域，目前的卫星遥感成像系统所获取的图像往往不能提供十分充足的信息量，因此对侦查图像进行超分辨率重建可以更好的弥补军事需求。此外，气象领域对卫星遥感图像的精度要求也是非常高的，利用超分辨率重建技术，可以获得更高分辨率的数据采集图像，这必然会提高气象预报的准确性。

（3）安全监控。在银行、居民区、交通路口等地都放置了摄像头，但是这些设备的成像效果较差，提供的信息不是非常精确。如果利用超分辨率重建技术，就可以获得高分辨率的图像，这将提高平常的安全管理水平，必要时也可以为刑侦检测提供重要证据信息。