全文总字数：2561字

1. 研究目的与意义及国内外研究现状

图像是人类获取信息的主要来源之一，是人类社会活动最常用的信息载体之一，为人类构建了一个形象的思维模式，有助于人们的学习和思考。人眼观察到的图像，其细节信息越丰富，则图像整体效果越好，图像质量越好。图像分辨率是图像细节分辨能力的衡量指标，它表示图像中目标景物的细微程度与图像信息的详细程度，反映了图像中存储的信息量。图像的分辨率越高，人眼能捕捉到的信息越丰富。

图像超分辨率重建旨在通过计算机的软件处理方式实现图像分辨率的提高，摆脱依靠成像装置提高分辨力受到的诸多约束，同时也大大减少了其成本。稀疏表示的目的是对复杂的、高维的数据通过压缩和编码等方式，获得更为简洁的表示方式，以方便进一步对数据进行加工处理。

超分辨率重建技术在消费电子、安全监控、军事和医学等多个领域都有十分重要的实用意义。

2. 研究的基本内容

图像超分辨率重建方法的发展历程主要包括三个阶段:插值重建、多帧重建和基于学习的方法重建。它们对于超分辨率重建问题的解决，给出了自己的思路，且有各自的特点和适用范围。基于学习的超分辨率重建技术首先利用高分辨图像训练库和图像退化模型获得一个高低分辨率的图像训练集，然后通过一定的学习算法获得高低分辨率图像之间的映射关系，最后利用优化算法对待重建的低分辨率图像进行优化，估计出相应的高分辨率图像。基于稀疏表示的超分辨率方法是基于学习的超分辨率重建方法中的新方向。

基于稀疏表示的方法是先用低分辨率样本选连一个低分辨率字典，然后根据图像的降质过程，约产生一个和上述低分辨率字典匹配的高分辨率字典。基于稀疏表示的方法可以较好的保持邻域关系，且可以恢复更多的图像细节信息，但它的缺点是稀疏编码阶段的计算量较大，另一方面，得到一个具有广泛表示能力的过完备字典较难。

3. 实施方案、进度安排及预期效果

实施方案：讨论图像超分辨率重建的定义与意义，介绍常用分类方法；详细介绍图像处理中的反问题、稀疏表示和字典学习理论；介绍基于稀疏表示的单帧图像超分辨率重建，主要包括：样本集的选取、算法流程、字典构建的算法和正则化项的建立；介绍基于稀疏表示的多帧图像超分辨率重建，包括多帧图像超分辨率重建在遥感图像中的应用与意义，结合基于时间信息和空间信息的不同算法并给出实验结果。

进度安排：通过查阅文献，了解当前当前图像超分辨率重建的不同方法，分析各种技术中所存在的优缺点。

学习matlab编程语言，利用matlab进行本课题的研究。

4. 参考文献

[1] 宋慧慧.基于稀疏表示的图像超分辨率重建算法研究[d]. 中国科技大学2011.

[2]李立琴.图像超分辨率重建算法研究〔d].重庆大学，2011.

[3]仇芳.图像超分辨率若干技术及应用田〕.上海交通大学，2011.