主题：【原创】如何提高多帧图像的分辨率（上） -- 驿路梨花

其它很多应用能找到几个像素偏差又满足条件的，往往10来张图已经很不错了，亚像素偏差几乎不可能满足，没那么多图啊。

算法本身或许不需要这样严格的必要条件，否则应用不可能有那么广的。

我感觉这里的难点还是你说的难写和难看懂的部分，就是如何估计点扩散函数的参数和运动矢量。另外还有因快门速度导致的单幅图像的运动模糊。

如果多帧图像是连续获得的，也就是说它们对应一定的时间序列，那么用光流场计算应该能得到比较好的运动矢量估计（这个大概是20年前的技术了，另外也有用Kalman滤波器估计运动矢量的）。 但是如果多帧图像是无序的，可能就比较复杂了，大致要用特征点匹配的方法，能做到多大的精度我也说不上来。

你是说先用帧插值提高分辨率，然后再进行图像融合的意思？

偶写的那个算法，相当于解构一下低频图片的组成，看看里面大概有那些东西。主要有两个未知的量，一个是高频分量，一个运动模型。

这样的话，如果偶们把运动模型估计出来了，那么高频分量不就可以反解出来了么？而运动模型的估计，就是用共轭梯度法来求它的最优解。

大致就是这个思路吧。

原来学的好像是需要的。。。

原来做实验的时候，对相机进行微位移，最高平移位移不超过0.8个像素，否则就不用了。

如果不满足的这个条件的话，求运动模型的时候，好像会出负数吧？要不，只是在边界条件下的有界最佳匹配？

乃砸的偶很痛！！！

假如有足够多满足条件的图，自然省事些。

我前些年看过些这方面的文章，没试验所以不好评论，不过你提到的那个条件一定没见过，否则印象会极深（视频里各帧间仅仅亚像素的偏差是很不易找到——想象一下实际应用的场合，能有多少情况下满足条件又有足够多的帧？）。

也不知这类算法最近又发展到什么程度了。

某些应用场合广的算法或许计算量很大，假如增加限制条件，可以有更有效的算法替代，但应用场合有一定限制。仅仅猜测，或许出现疑问的原因在此？

查了一下，我错了。

应该是这样：不必须根据像素级来确定微小位移 —— 他的确定是根据图像子区的划分来确定的。

比如后图从前图基础上移动，则后图=前图+整像素位移+亚像素微位移。这个亚像素的微位移的确定决定于泰勒展开式中你准备舍弃近似的高阶项。

前文说的要求亚像素的算法是一种很老的算法：

于起峰《基于图像的精密测量与运动测量》（科学出版社）

• 【原创】如何提高多帧图像的分辨率（下）

所以我也没深入了解，以前倒是下载了些文章，不过很具体的不多。

假如哪天万一用到，一定向你请教。

偶原来带本科生的毕业论文，做的是有关多帧图像融合的实验。当时做实验，是将相机做亚像素微位移，当时老师说是小于0.8像素的就舍弃。将这些位移统计起来后，代入二维的重建模型中，就可以算出来啦。。。所以，至于运动模型的估计，都有公式代的。

后来做卫星图片的处理，偶也不是做图像识别那一块的，是做遥感预处理这一块的。

梨花JJ，我晓得是我惹的事，我不是存心的。。。。

被点了名, 受宠若惊, 赶快上花回复一下. 俺说的那个方法,不能简单的当成插值近似. 从思路上说, 其实是有点道理的. 就好比你给画家看一个线框的草稿, 他是能在这个基础上给你画出像模像样的图来的, 要多少细节, 就有多少细节. 这里用来补充细节的不是原图里面的信息, 而是画家脑袋里的知识.

我所提的方法跟这个思路类似, 就是让机器干画家干的事情, 比如要画人, 先去外面学习人长的啥样子, 该怎么画. 等学会了, 给他一个速写的轮廓, 他就能给你把里面的细节给补齐.

说这个方法是胡弄, 主要还是因为机器学习的模型还很弱, 远远没到画家的地步, 属于小孩乱涂乱画的阶段. 但不是说这样完全没有道理

每一样东西，都有有限个特定的特征值，而我们把这些特定特征值找到了，那么可以根据和数据库的匹配找出相应的元素。

但是这个特征值怎样找，这里可能就涉及到插值了，要从更为有限的点值中找出足够的特征值。