贾苏娟，韩广良，陈小林，孙海江

（1.中国科学院 长春光学精密机械与物理研究所，吉林 长春130033；2.中国科学院大学，北京100049）

1 引 言

随着彩色图像获取设备的普及和超分辨率重建技术的发展，彩色图像超分辨率重建成为研究的热点。现实中，外界光照变化或相机自动调节等因素导致观察到的序列图像光度不均匀，严重影响了图像质量及后续图像的使用。

目前图像超分辨率重建方法主要有两类，一类是基于重建的算法［1］，一类是基于学习的算法，其中多种算法被应用在彩色图像超分辨率重建上。Elad［2］等将稀疏表示的方法用到彩色图像超分辨率重建上，图像通过训练的词典和稀疏矩阵的线性组合表示出来。Gevrekci和Gunturk［3］提出一种非线性模型进行光度匹配，进而对曝光量或照度不均匀的彩色图像序列进行重建。Capel［4］等首先提取图像的Harris角点进行运动估计，其次采用仿射变换模型进行光度匹配，最后采用概率估计法进行重建。Wen－Yi Zhao［5］等人分析了光照变化对重建结果产生的影响，提出一种两步重建法。首先生成物体的形状，最后再通过合成重加高分辨率的人脸图像。

考虑光度非均匀序列图像的超分辨率重建主要经过几何配准、光度配准、重建等步骤。在对光度不均的图像序列进行几何配准时，如果提取的特征对光照变化比较敏感，则容易造成误匹配，影响运动估计的精度。建立的光度模型要尽可能准确描述图像之间光度的变化。另外彩色图像比灰度图像蕴含更多的信息，因此在重建过程中还要考虑色彩的特征以及在重建过程中色彩通道之间的互相关性等。……