1. 研究目的与意义（文献综述）

对于生活中的所有事物，只要温度不是绝对零度，都不断地向外散发着红外辐射。随着红外成像技术不断地发展，红外图像也孕育而生。红外成像系统主要工作的波段为7-14um，由于其特殊的波段，使得红外图像的获取不依赖于光线。其与可见光图像相比，由于是被动成像，可以全天候成像，探测能力强，作用距离远，抗干扰能力强，温度灵敏度高等优点。所以，在公安监控、导航、夜间驾驶、探测、医学、消防、航空勘探等领域取得了广泛的应用。但是，受限于红外成像系统中探测器的阵列数目及单元尺寸，使得成像时采样不足，造成红外图像的分辨率远远低于普通可见光图像的分辨率。所以，提高红外图像的分辨率最直接的方法就是提高红外成像系统的硬件性能。但目前传统的工艺要么是很难达到要求，要么是成本过高，因此，在现有的硬件条件下提高红外图像的分辨率是个急需解决的问题。红外图像超分辨率技术便应运而生。

图像超分辨率技术是指利用单幅或多幅拥有部分细节的低分辨率图像生成一幅可以提供更多细节信息的高分辨率图像。目前，提高图像分辨率的算法主要分为以下两大类。

（1）单幅图像超分辨率：目前，单幅图像超分辨率算法已经得到了广泛的研究。2012年提出了基于实例的深度映射超分辨率算法，该算法将超分辨率问题视为一个多分类的马尔科夫随机场（mrf）模型，其中每一个隐藏的的节点表示高分辨率部分的标签。但是，此种方法完全依赖于训练集，如果没有建立可靠的映射关系将会生成不可靠的结果。2013年提出了基于自学习的超分辨率算法，该算法结合了支持向量回归技术（svr）和稀疏表示技术，既没有使用大量的低分辨率和高分辨率的图片集合也没有自相似性的先验信息，仅仅依靠通过最小化误差函数而生成的svr模型来进行高分辨率的重建。2014年提出了基于深度神经网络的超分辨率算法，该神经网络通过学习而得到一个低分辨率图像和高分辨率图像的映射。但是，由于模糊和伪影使得这个映射的建立非常困难。除了上述几种算法，还有基于图像自相似性的分形算法，和基于图像轮廓或纹理的引导算法。但是这些算法在边缘生成的时候都不够平滑，会出现明显的锯齿。

2. 研究的基本内容与方案

研究的基本内容：

设计出一种基于边缘引导的红外图像超分辨率算法，主要使用边缘提取技术、相关的优化技术和马尔科夫随机场模型使得红外图像在获得超分辨的同时得到更加平滑的边缘。

3. 研究计划与安排

（1）第1周—第4周搜集资料，撰写开题报告；

（2）第5周—第6周论文开题；

4. 参考文献（12篇以上）

[1] 陶洪久,饶俊飞,周祖德.单幅图像的超分辨率重建方法[j].武汉理工大学学报:交通科学与工程版,2004,28 (12)

[2] 朱建.红外图像超分辨率重建的仿真研究[d].南京理工大学,2005