为了解决水下激光距离选通图像成像过程中退化模型复杂的难题，提出了利用连续帧图像估计点扩散函数的距离选通超分辨成像方法。首先，从连续帧图像中选取一帧为参考帧作为初始清晰图像，下一帧图像为模糊图像，用梯度约束的方法求出点扩散函数，用于优化清晰图像;然后，依次将后续帧图像当作模糊图像与清晰图像交替迭代求取点扩散函数并优化更新清晰图像;最后获得的清晰图像与参考帧图像用乘法更新的方法估计点扩散函数，结合凸集投影法算法进行超分辨率成像重建。仿真实验结果表明，改进的算法重建图像分辨率和质量明显优于原始的算法。

高空间分辨率的热红外图像能够提供更多关于目标场景的细节信息，因而在 计算机视觉、医学和遥感等诸多领域有着广泛的应用需求。由于通过提升热红外相机硬件性 能的方式往往需要付出高昂的代价，因此我们选择通过超分辨率重建的方式来提高热红外图像的空间分辨 率。本文所重建的热红外图像来源于舟山航拍试验，所用热红外相机由自主设计搭载。分别采 用凸集投影法和迭代反投影法对热红外序列图像进行了超分辨重建。实验结果表明，这两种算 法均能有效提高热红外图像的空间分辨率。

红外成像技术以其诸多优点成为智能化光电探测方面的主流研究方向，然而，红外弱小目标图像却有细节特征少、信噪比低等特点，因此考虑到使用超分辨率复原算法对其进行复原，为图像提供更多的细节信息。本文分析了凸集投影法的基本原理，针对其运行时间长的特点，提出了改进算法。首先用直方图拟合的方法选择出目标区域，然后在目标区域内进行超分辨率复原，区域外使用双线性插值。最后对3组低分辨率图像，每组五帧，用该方法进行验证。从实验结果可以看出，计算速度分别提升了15.6%、45.5%和46.5%。因此，这种方法能够有效地缩短超分辨率复原算法的处理时间。

Aiming at solving the problem of low resolution and visual blur in infrared imaging, a super-resolution infrared image reconstruction method using human vision processing mechanism (HVPM) was proposed. This method combined a mechanism of vision lateral inhibition with an algorithm projection onto convex sets (POCS) reconstruction, the improved vision lateral inhibition network was utilized to enhance the contrast between object and background of low-resolution image sequences, then POCS algorithm was adopted to reconstruct superresolution image. Experimental results showed that the proposed method can significantly improve the visual effect of image, whose contrast and information entropy of reconstructed infrared images were improved by approximately 5 times and 1.6 times compared with traditional POCS reconstruction algorithm, respectively.

研究了稀疏计算层析成像重构中的迭代去噪模型及其求解算法, 理论推导及模拟实验验证了代数重构技术的抑噪能力.根据稀疏计算层析成像成像过程的噪音特征, 提出了基于欧氏范数不等式约束和基于无穷范数不等式约束的去噪模型.提出了基于凸集投影方法求解去噪模型的算法, 并给出了算法推导过程.结果表明: 欧氏范数去噪模型优于无穷范数去噪模型, 代数重构技术具有抑制噪音的作用.

超分辨率图像复原技术在不改变硬件的条件下可提高成像系统获取图像的分辨率.研究了图像退化机理,建立了精确的图像退化过程模型,提出一种改进的混合MAP-POCS复原算法,将POCS的凸集约束条件加入到MAP估计过程中.运用峰值信噪比(PSNR)等评价手段对复原图像进行质量评价.仿真结果表明,改进的混合复原算法能够有效地保证复原求解的收敛性并保持复原图像的边缘细节,提升了超分辨率的复原效果.

介绍了超分辨率复原方法的概念和理论基础; 重点总结了常用的超分辨率复原方法, 并对相关的理论依据、优缺点和适用范围进行了详尽分析; 对超分辨率复原方法的未来发展进行了展望。超分辨率复原方法分为频域法和空域法。频域复原法原理简单清楚, 计算方便, 但是所建立的运动模型都是平移模型, 不具有一般性, 同时难以利用正则化约束, 因而导致难以使用图像的先验信息进行超分辨率复原。空域复原法可以很方便地建立复杂的运动模型, 同时考虑了几乎所有的图像降质因素, 例如噪声、降采样、由非零孔径时间造成的模糊、光学系统降质和运动模糊等, 还可以加入更完善的先验知识, 相比于频域复原法, 空域超分辨率复原模型更符合实际的图像退化过程, 是目前应用最广泛的一类超分辨率复原方法。