论文部分内容阅读
本文在回顾了目前已有的超分辨率图像重建算法基础上，对超分辨率问题建立了观测模型，讨论了其中的关键问题，同时利用超分辨率和图像复原算法的密切相关性，有效地将在图像复原中得到成功应用的技术引入超分辨率问题中来。
在超分辨率图像重建中，各观测低分辨率图像之间存在相对运动，需要将它们配准到某一帧参考图像上去，并且要求达到亚象素精度，论文详细分析了两种运动估计方法：基于光流限制条件的多尺度像素递归运动估计方法和基于尺度不变特征变换的特征点匹配算法来满足重建的需要。
从数学上来说，超分辨率图像重建问题是一个病态问题，为了克服其病态性，需要对其进行规整化，其中最常用的Tikhonov规整化方法，但这种规整化会导致重建高分辨率图像边界被模糊。论文引入了一种重建过程中能有效保持图像边界的规整化方法——总变分规整化对重建图像进行约束，改善重建效果。