1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
，因此有必要将超分辨率算法应用于压缩系统中。
总之，对超分辨率重建技术的进步深入研究必将导致这技术拓宽到些新的应用领域。
参考文献沈焕锋，李平湘，张良培等图像超分辨率重建技术与方法综述光学技术浦剑，张军平，黄华超分辨率算法研究综述山东大学学报刘良云，李英才，相里斌超分辨率图像重构技术的仿真实验研究中国图象图形学报彭洁，徐启飞，吕庆文，等种快速超分辨率图像重建算法南方医科大学学报朱福珍，李金宗，李冬冬基于神经网络的超分辨率图像重建系统工程与电子技术，孟庆武预估计混叠度的超分辨率处理算法软件学报李慧芳，杜明辉基于改进的算法的超分辨率图像恢复华南理工大学学报自然科学版，图像超分辨率重建技术研究摘要超分辨率图像重建是指将系列各自包含部分不同图像细节的相似低分辨率图像通过定方法融合成幅高分辨率图像的处理方法。
对于定的数字成像系统，通过超分辨率图像重建可以得到高质量的图像而不需要提高系统的硬件性能，因此它可以被广泛应用于图像处理的各种领域中。
超分辨率图像重建算法可以分为两大类，即频域算法和空域算法。
频域算法是早期的超分辨率重建算法，只能对全局位移的图像序列进行处理，空域算法使用通用的观察模型，具有更好的适应性和重构效果，是目前的主要研究方向。
其中算法利用投影至凸集的原理进行图像重建，算法直观而且有效，是最有前途的超分辨率重建算法之。
在序列图像超分辨率重建算法中，本文对方法做了比较细致的研究，针对用常规算法重建的高分辨率图像中出现的导致图像边缘质量下降的现象，分图像超分辨率重建的应用由于超分辨率重建技术在的，很多都不是现有的技术所能够控制的。
因此通过改善成像装置硬件的分辨力来提高图像的分辨能力是有限的也是不切实际的。
因此，需要种有效的方法来克服图像传感器的这些限制。
解决这问题的个实用而有效的方的噪声严重污染甚至淹没从而导致图像退化。
其他使图像降质退化的因素还有将场景物体的运动模糊系统的点扩散函数模糊采样量化模糊以及电路噪声等。
所有这些制约图像分辨率提高的因素或者是物理客观的或者是随机存而是有下限的，当传感器阵列密度增加到定程度时，图像的分辨率不但不会提高反而会下降，这是因为当阵列密度增加到定的程度即传感单元变得相当小时，将使产生的图像光电信号变得非常微弱而被传感单元艺的制约也限制了图像分辨率的进步提高。
事实上随着像素尺寸的减少，每个像素接收到的光照强度也随之降低，传感器自身的噪声将严重影响图像的质量，造成拍摄的影像信噪比不高，因此，像素尺寸不可能无限制的降低，少单位像素的尺寸即增加单位面积内的像素数量，对于数字摄机，比如，就是减少其传感单元的尺寸从而提高传感器的阵列密度，使其能够分辨出更多场景细节。
但是这样将导致数字摄像机的价格大幅度提高。
技术工感器广泛的被用来获取数字图像，在很多的应用场合，需要获取高分辨图像，提高图像分辨率最直接的方法是提高成像装置的分辨力，但是受传感器阵列排列密度的限制，提高传感器的空间分辨率越来越难，通常采用的方法是减星地面要求卫星图像至少能够辨别出人的脸相甚至是证件有些检测识别控制装置需要足够高分辨率的图像才能保证测量和控制的精度。
因此提高图像分辨率是图像获取领域里追求的个目标。
年以来，和图像传的服务。
数字图像及其相关处理技术是信息处理技术的重要内容之，在很多领域得到了越来越广泛的应用。
对于数字图像在些情况下般要求是高分辨图像，如医学图像要求能够显示出那些人眼不能辨别出的细微病灶卫技术信息处理技术和视觉通信技术的高速发展，人类进入了个全新的信息化时代。
人们所能能够获取的知识量呈爆炸式的增长，因此迫切的要求信息处理技术不断的完善和发展，以便能够为人们提供更加方便快捷和多样化图像重建算法步骤保留边缘信息的超分辨率图像重建算法试验结果与分析试验低分辨率图像的生成改进的算法重建结果及其分析结论论文总结工作展望参考文献绪论研究背景及研究意义伴随着计算机技图像重建算法步骤保留边缘信息的超分辨率图像重建算法试验结果与分析试验低分辨率图像的生成改进的算精确位置及详细情况如阴影的边缘病体占位的大小及位置等。
图像重建算法步骤保留边缘信息的超分辨率图像重建算法试验结果与分析试验低分辨率图像的生成改进的算法重建结果及其分析结论论文总结工作展望参考文献绪论研究背景及研究意义伴随着计算机技术信息处理技术和视觉通信技术的高速发展，人类进入了个全新的信息化时代。
人们所能能够获取的知识量呈爆炸式的增长，因此迫切的要求信息处理技术不断的完善和发展，以便能够为人们提供更加方便快捷和多样化的服务。
数字图像及其相关处理技术是信息处理技术的重要内容之，在很多领域得到了越来越广泛的应用。
对于数字图像在些情况下般要求是高分辨图像，如医学图像要求能够显示出那些人眼不能辨别出的细微病灶卫星地面要求卫星图像至少能够辨别出人的脸相甚至是证件有些检测识别控制装置需要足够高分辨率的图像才能保证测量和控制的精度。
因此提高图像分辨率是图像获取领域里追求的个目标。
年以来，和图像传感器广泛的被用来获取数字图像，在很多的应用场合，需要获取高分辨图像，提高图像分辨率最直接的方法是提高成像装置的分辨力，但是受传感器阵列排列密度的限制，提高传感器的空间分辨率越来越难，通常采用的方法是减少单位像素的尺寸即增加单位面积内的像素数量，对于数字摄机，比如，就是减少其传感单元的尺寸从而提高传感器的阵列密度，使其能够分辨出更多场景细节。
但是这样将导致数字摄像机的价格大幅度提高。
技术工艺的制约也限制了图像分辨率的进步提高。
事实上随着像素尺寸的减少，每个像素接收到的光照强度也随之降低，传感器自身的噪声将严重影响图像的质量，造成拍摄的影像信噪比不高，因此，像素尺寸不可能无限制的降低，而是有下限的，当传感器阵列密度增加到定程度时，图像的分辨率不但不会提高反而会下降，这是因为当阵列密度增加到定的程度即传感单元变得相当小时，将使产生的图像光电信号变得非常微弱而被传感单元的噪声严重污染甚至淹没从而导致图像退化。
其他使图像降质退化的因素还有将场景物体的运动模糊系统的点扩散函数模糊采样量化模糊以及电路噪声等。
所有这些制约图像分辨率提高的因素或者是物理客观的或者是随机存在的，很多都不是现有的技术所能够控制的。
因此通过改善成像装置硬件的分辨力来提高图像的分辨能力是有限的也是不切实际的。
因此，需要种有效的方法来克服图像传感器的这些限制。
解决这问题的个实用而有效的方法就是图像的超分辨率重构技术，其不需要昂贵的图像获取设备，只需要通过计算机软件的处理就能获得更高分辨率的图像。
因此，用该方法来提高图像分辨率所需要的代价很低。
图像超分辨率重建的应用由于超分辨率重建技术在定条件下，可以克服图像系统内在分辨率的限制，提高被处理图像的分辨率，因而超辨率技术的应用正在快速的增长，在视频遥感医学和安全监控等领域具都有十分重要的应用。
例如在数字电视向高清晰度电视过度阶段，仅有部分电视节目会以的形式播出，不少节目采用的是的形式。
因此，可以利用超
毕业论文_图像超分辨率重建技术研究（2）
