鲜海滢 傅志中 万 群 徐 进

（1.电子科技大学电子工程学院，四川 成都611731；2.电子科技大学通信与信息工程学院，四川 成都611731）

引 言

超分辨率重建技术早期主要集中在单帧领域［1］。1984年，Tsai和 Huang［2］首次提出用低分辨率、欠采样图像序列生成高分辨率图像的思想，多帧超分辨率技术成为近二十年来研究的主流。各国专家提出了大量算法，包括自适应估计［3－4］；最大似然估计（ML）［5］；最大后验概率估计（MAP）［6－8］；凸集投影（POCS）［9］；小波插值［10－11］等。

Peyman在最近的新书［12］中指出：“多帧超分辨率技术背后的基本思想是，将低分辨率（LR）序列中的非冗余信息尽量纳入高分辨率（HR）图像中”，但纵观传统多帧重建技术，对于LR序列中的非冗余信息并未引起足够重视，普遍将所有信息视作平等对象加以处理。序列在时空域中的相关性很强，非冗余信息所占比重非常低，价值却非常高，忽视这一矛盾，其结果就是，非冗余信息在重建过程中被平滑或忽略。

1.基于MAP的多帧超分辨率重建算法框架

传统MAP多帧超分辨率重建算法基本观察模型为

式中：Yk是LR序列中第k帧的字典序列向量；X是理想HR图像的字典序列向量；n（k）为0均值高斯噪声；D是亚采样矩阵；Bk是模糊矩阵；Tk是形变矩阵。

在多帧超分辨率重建技术中，一般认为亚采样矩阵D已知。Yk作为观察序列，也是已知的。对于形变矩阵Tk，有两类处理方式，一类是采用配准技术，先获得LR序列的全域运动参数，再映射到高分辨率网格上，另一类是通过交替迭代的办法，在求解HR图像的过程中，不断修正该矩阵参数。……