卢 健 孙 怡

(大连理工大学信息与通信工程学院 大连 116024)

1 引言

超分辨率重建是一种突破成像硬件条件限制提高图像质量的方法。文献[1]对超分辨重建的基本原理进行了总结，给出一般超分辨重建主要包括的3个步骤：首先将低分辨率图像配准；然后从已配准的低分辨图像中估计出所需的高分辨图像；最后再进行一些去模糊等后处理工作。近年来，在此基础上，研究人员不断尝试将新技术融入到超分辨重建算法之中。然而这些方法所依赖的假设和模型往往过于简单和理想化，而实际场景要复杂得多，这造成了现有超分辨算法数值试验的效果远远好于实际应用效果。为了提高超分辨在实际应用中的能力，提高算法的鲁棒性成为了新的研究热点。相关研究主要集中在两个方面，一是如何降低配准误差的影响，二是如何提高重建估计的鲁棒性。

配准是超分辨重建的第1步，配准误差会在重建过程中传播放大，因此配准的准确性对重建的影响很大。然而实际中的配准问题非常复杂，除了要受到噪声的影响，还有运动估计中经常遇到的遮挡及“孔径”问题[2,3]。近年来，人们尝试利用基于贝叶斯框架的联合超分辨方法解决该问题，比如，文献[4]将超分辨问题引入贝叶斯框架，并利用局部稀疏作为各未知参量的先验约束来实现重建。文献[5]则结合了总变分和自回归两种先验对重建进行约束。该类方法虽然取得了不错的结果，但其存在两个主要的问题：一是未知参量太多，导致算法计算复杂度过高，收敛性能较差；……