超分辨技术这个概念最早的提出者是Tsai 和 Huang [2]，他们于1984年首次提出该技术的设想，其主要的研究方向是利用多帧低分辨率退化图像进行超分辨率重建，随后又有许多学者对超分辨率重建进行了研究。他们给出了一种频域领域算法，实现了在无噪声和模糊的情况下利用连续傅里叶与离散傅里叶变换之间的移位性质，使多帧观测图像混叠后的离散傅里叶变换系数和未知场景的连续傅里叶变换系数以方程组的形式联系起来，通过求解方程组得到原始场景的频率域系数，然后进行傅里叶反变换实现对原始场景的重建。之后Kim等人[3]在假设所有低分辨率的图像都处在同一个噪声和模糊条件下，基于加权最小二乘理论，将频域法应用在了含噪模糊图像上。之后又有诸如后Kim 和Su[4]考虑每帧低分辨率图像不同的模糊程度；Tekalp 等[5]解决了光学系统的点扩展函数PSF 和噪声的影响；Kaltenbacker 和Hardie[6]在Tsai算法的基础上，优化出一种估计帧间整体平移参数的解算方法。他们的研究成果不仅建立了该技术的理论依据，并且提出很多具有使用价值的方法。这些科学家的研究成果不仅建立了该技术的理论依据，并且提出和反战了很多具有使用价值的方法。但从研究成果来看，频域法因为仅仅应用在全局平移和线性空间不变降质模型上，它对于空域先验的能力不足，缺少了灵活性。所以只有早期的研究工作集中在频域法进行，如今的研究工作几乎都是在空域法完成的。27718
上文中提到的空域法是指在空间域中进行超分辨率重建，其优势就是能把复杂的运动模型与差值、迭代及滤波放在一起处理，还能够考虑局部运动、光学模糊、运动模糊、非理想采样等影响图像质量的因素，具有很高的结合空域先验知识的能力。空域法的主要算法如下：
非均匀样本内插法（NUI）具体的研究成果有：Ur和Gross[7]利用推广的多通道采样定理进行非均匀插值（假设低分辨率图像间的运动已精确可知）；Hardie[8]提出一种红外线配准和超分辨率重建算法；Shah等[9]提出通过对图像的色彩分量进行估计来提高运动估计的精确度；Nguyen等[10,11]等通过小波系数插值得出了高分辨率图像。
迭代反投影法（IBP），这个方法在1991年由Irani和Peleg[12]首次提出。Zomet等[13]在此基础上引入了通过反投影的误差中值改善算法的性能，但是会造成重建结果不唯一。
凸集投影法（POCS）是解决超分辨率重建问题最典型的方法之一。Youla等[14]最先使用了这种方法来进行图像复原。Stark[15]首次将该方法用于多帧图像重建中，但其采用的运动模型却是整体平移的。这个问题在之后的研究中被修正弥补。论文网
基于概率论的算法则是近年来比较热门的另一种算法。 基于概率论的方法是目前研究和应用较多的另外一种典型算法。Schultz 和Stevenson[16]最早将最大后验概率估计方法应用于以Huber-Markov随机场作为先验知识的图像内插，以改善图像的清晰度。后来 Schultz 等[17]又提出了正则化运动估计方法，这种方法将Bayesian运动估计量用于块运动估计，获得了视觉效果比较满意的超分辨率结果。Hardie等[18]也提出了一种本质上和Schultz相同的MAP方法，不同的是他们考虑了整体和非整体的运动模型，并给出了同时进行运动参数估计和超分辨率重建的最大后验估计的公式，尽管这一公式的收敛速度比较慢，但因为其运动估计参数不再像其他大多数超分辨率重建算法那样直接用低分辨率观测数据估计，在实际应用中具有优越性。
国内研究概况
    国内也有许多研究单位对图像超分辨率重建技术进行了研究，其中较为突出的有香港中文大学、山东大学、西安电子科技大学、华中科技大学、南京邮电大学、哈尔滨工业大学、西北工业大学等。其中等针对常规的pocs算法会产生边缘振荡效应这一问题，有李慧芳[19]提出了优化后的算法，对图像边缘像素点进行特殊处理，并且修正图像中其余的像素点，消除了回复结果中的边缘振荡效应；在重建的结果中经常出现噪音和振荡条纹，所以苏秉华等[20]将Possion-MAP法和Markov随机场先验分布这两种算法Possion-MAP法和Markov随机场先验分布有机地结合在一起结合在一起，有效解决这个问题。王伟[21]等提出一种自适应的MAP 算法，其原理是根据各帧低分辨率图像的可靠性对应赋予它们不同的权值，权值及高分辨率图像在梯度下降法的运行中不断对进行更新，就能得到很好的复原效果；赵树彬等[22]研究了基于小波域HMT 模型的超分辨率图像重建；徐忠强、朱秀昌[23]在对压缩视频超分辨率重建的理论基础的不断分析中，确立了压缩域的高、低分辨率图像关系，得出了量化噪声和运动矢量的模型；韩玉兵等[24]构建了一种有良好的框架，基于这种视频序列超分辨率快速重建框架的算法普遍高效实用。 超分辨率技术的国内外研究现状:http://www.youerw.com/yanjiu/lunwen_22292.html