根据缩放因子的大小进行插值放大，然后将放大后的图像再依照 配仿射变换参数：旋转角度9JP位移量Axi、A'进行配准，之后映射到高分辨率网格上。[0089]步骤3、将步骤2得到的图像进行图像重建，得到最终的高分辨率像素的像素值， 如图3所示，具体为：首先为步骤2中的每个高分辨率网格节点构造一个初始邻域进行曲面 拟合，获得估计值，然后按步长扩大邻域范围再进行曲面拟合，获得估计值，最后用MAP方 法估计高分辨率像素值，具体步骤如下：
[0090]步骤（3. 1)、邻域扩展：对于步骤3中映射到高分辨率网格上的图像，为每个网格 节点选择初始邻域值h和最大邻域值b2，选1X1的图像块，初始邻域值1^= 0. 5,最大邻 域值b2= 1.5,根据低分辨率图像的退化程度而定，步长设为0. 1，因此，这里bi、b2都是0. 1 的整数倍；
[0091]步骤（3. 2)、像素搜索：步骤（3. 1)中的从bi开始到b2结束，对高分辨率网格上的 节点进行邻域搜索得到K个邻域NBji= 1，2,…，K),根据bph和步长值得^
对应搜索的低分辨率像素个数记为n^i= 1，2,…，K);
[0092]步骤（3. 3)、建立像素强度平面：以高分辨率网格节点所在的X0Y平面为图像 平面，以垂直于X0Y面的方向为Z轴，构造坐标系，对所述步骤（3.2)中的邻域NBi(i= 1，2,…，K)的每个低分辨率像素h(j= 1，2,…，以其像素值的大小为高，平行于X0Y坐 标平面做平面，即得像素强度平面，如图4所示，记为平面，如下式：
[0094] 是邻域啊内的L的强度平面，/碼(&)为L。.的像素值；
[0095]步骤（3. 4)、计算像素强度：邻域NBi内像素Lit到像素Lu之间的距离定义为：Lit 到平面的距离，计算邻域NBi内除L^之外的每个低分辨率像素到L^的距离，即到L^平 面的距离：
[0097] 在邻域NBi内，计算均方误差，均方误差^的计算式表示如下：
[0099]均方误差右越大表示该平面对高分辨率像素估计的影响越小，因此，令 %=1/釕，得到所有的《j(j= 1，2,…，之后，然后通过加权计算对应于邻域咄^勺一 个估计的像素值：
[0101]步骤（3. 5)、估计最大后验概率（MAP):当步骤（3. 4)中所有的/?,(?〇被估计出 来后，根据高斯假设，有：
[0103]式（10)中，
，fJPh)是f(Ph)的先验估计，人为经验参数，人=0， 令公式（10)的梯度值为0,即
，得到高分辨率像素Ph的像素值：
[0105]即得最终的高分辨率像素值图像。
[0106] 本发明仿真实验结果：
[0107] 为了说明本发明方法的有效性和性能，通过仿真实验测试视觉效果并进行数 值结果分析，实验环境为MATLAB2010a，计算机处理器是Pentium(R)Dual-CoreCPU， E540002. 70GHz，2. 70GHz，内存为 2. 00GB(1. 87GB可用）。
[0108] 图5-图10为本发明基于像素强度的图像超分辨率重建方法中仿真验证试验中 的原始测试图像，本实验用于重建的低分辨率图像都是由这些原始图像通过退化模型获得 的，如图12-图17,图12是图5的降质图像，图13是图6的降质图像，图14是图7的降质 图像，图15是图8的降质图像，图16是图9的降质图像，图17是图10的降质图像，首先对 每幅原始图像进行不同大小的平移操作获得多幅图像（70幅），并对获得的图像添加噪声 方差为0. 01的高斯白噪声，接着对获得的低分辨率图像进行适当的模糊操作，最后对获得 的图像进行采样因子为4的下采样操作，得到实验所用的多幅（70幅）低分辨率图像。
[0109] 下面从两个方面对仿真验证进行分析：
[0110] (1)视觉效果
[0111]①PSNR(PeakSignaltoNoiseRatio,峰值信噪比）曲线对比：
[0112] 以图5和图6为例，低分辨率图像幅数分别为15、20、25、30、35时重建图像的PSNR 曲线如图11所示，其中，由上至下第一条曲线为图6低分辨率图像为20幅、添加的高斯噪 声方差为〇. 01时重建图像的PSNR曲线；第二条曲线为图5低分辨率图像为20幅、添加的 高斯噪声方差为〇. 01时重建图像的PSNR曲线；第三条曲线为图6低分辨率图像为30幅、 添加的高斯噪声方差为〇. 03时重建图像的PSNR曲线；第四条曲线为图5低分辨率图像为 30幅、添加的高斯噪声方差为0. 03时重建图像的PSNR曲线，由图11可以看出，本发明的方 法在加入的高斯噪声方差为0. 01的情况下，用20幅低分辨率图像的重建效果良好，而高斯 噪声方差为〇. 03时，用30幅低分辨率图像的重建效果良好。
[0113] ②视觉效果对比
[0114] 对于测试图像：图5、图6、图7、图8、图9、图10,用20幅低分辨率图像，如图12、 图13、图14、图15、图16、图17,低分辨率图像中加入的高斯噪声方差为0.01，图18是基于 插值和多面拟合的图像超分辨率重建方法对图12的重建效果图，图19为本发明的方法对 图12的重建效果图，图20是基于插值和多面拟合的图像超分辨率重建方法对图13的重建 效果图，图21为本发明的方法对图13的重建效果图，图22是基于插值和多面拟合的图像 超分辨率重建方法对图14的重建效果图，图23为本发明的方法对图14的重建效果图，图 24是基于插值和多面拟合的图像超分辨率重建方法对图15的重建效果图，图25为本发明 的方法对图15的重建效果图，图26是基于插值和多面拟合的图像超分辨率重建方法对图 16的重建效果图，图27为本发明的方法对图16的重建效果图，图28是基于插值和多面拟 合的图像超分辨率重建方法对图17的重建效果图，图29为本发明的方法对图17的重建效 果图。
[0115] 从这些重建图像的视觉效果可以看出，用本发明基于像素强度的图像超分辨率重 建方法进行图像超分辨率重建，可以获得较为清晰的重建图像。
[0116] (2)数值分析：PSNR和FSMc
[0117] 采用两种图像质量评价标准一PSNR和FSMc作为数值分析的评价指标，FSM全称 Feature-Similarity，也称为特征相似性指标，FSIMc是针对彩色图像的特征相似性指标， 数值测试结果表1所示：
[0118] 表1.PSNR和FSMc及其比较结果
[0119]
[0120] 通过对表1的PSNR和FSMc的数值比较和分析，可以看出，在PSNR和FSMc两 个评价标准上，本发明基于像素强度的图像超分辨率重建方法都要优于基于插值和多面 拟合的图像超分辨率重建方法，与基于插值和多面拟合的图像超分辨率重建方法相比，本 发明的方法对背景较复杂的图像，其重建质量有了较大的提高，例如，对于图5,重建图像 的PSNR数值比基于插值和多面拟合的图像超分辨率重建方法提高了 2. 55db左右，FSMc 数值比基于插值和多面拟合的图像超分辨率重建方法提高了 0. 05左右；图6,重建图像的 PSNR数值比基于插值和多面拟合的图像超分辨率重建方法提高了 2.4db左右，FSMc数 值比基于插值和多面拟合的图像超分辨率重建方法提高了 0. 08左右。对背景简单的图也 有