【摘要】：影像超分辨率重建实际上与数字图像处理领域中的一些影像处理技术比较相近，例如，影像复原和影像增强等。其中，观测模型是超分辨率重建的基础，它描述了低分辨率图像和所求的高分辨率图像之间的关系，每一种超分辨率重建方法都必须基于一种假定模型。
高分辨率的影像能够更加详细地表示景物的细节信息，在诸多领域（如计算机视觉、遥感、医学等）都有着广泛的应用。利用影像超分辨率重建技术，可以在不改变成像系统的前提下，实现提高影像空间分辨率的目的，不但可以改进影像的视觉效果，而且对影像的后续处理，如特征提取、信息识别等，都具有十分重要的意义，其主要应用有日常应用、视频监控、医学诊断、遥感应用、生物信息识别、视频压缩等。
影像超分辨率重建实际上与数字图像处理领域中的一些影像处理技术比较相近，例如，影像复原和影像增强等。它们的共同特点都是要对影像进行去噪、去模糊，利用处理后增加的像元信息对模糊和噪声进行恢复。目前，通过软件途径得到高分辨率影像的超分辨率重建技术已经成为人们广泛研究的热点，单幅影像的超分辨率重建技术经过长期的发展已经形成一套统一的理论框架（张新明和沈兰荪，2002）。其中，观测模型是超分辨率重建的基础，它描述了低分辨率图像和所求的高分辨率图像之间的关系，每一种超分辨率重建方法都必须基于一种假定模型。
在影像超分辨率重建中，观测影像即为低分辨率影像，理想影像即为所求的高分辨率影像，可以认为观测影像是由一幅高分辨率影像经过一系列的降质过程产生的，降质过程包括几何运动、光学模糊、亚采样以及附加噪声等过程。如果用矢量z 表示所求的高分辨率影像，g表示某一幅低分辨率影像，一个常用的影像观测模型为：
式中：M 为几何运动矩阵；
B 为模糊矩阵；(www.xing528.com)
D 为亚采样矩阵；
n为附加噪声。
如果我们考虑消除模糊函数对影像的影响（没有运动、模糊和重采样过程），即去掉运动矩阵和模糊矩阵，可以看成是方程（6-1）的特殊情况，即：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
