图像产生模块116或 其部分，软件被存储在存储器112中并由处理器110执行。给出的该种存储用于由对应的 处理器执行的软件代码的存储器是此处更一般地称作其中实现有计算机程序代码的计算 机可读介质或其它类型的计算机程序产品的一个例子，并且该存储器可W包括例如；电子 存储器（例如，随机存取存储器（RAM)或只读存储器（ROM))、磁存储器、光学存储器或其它 类型的存储设备，上述元素可W任意组合。存储器112可W附加地或替代地存储函数118、 权重120和概率122中一者或多者的至少一部分。如上述所示的，处理器110可W包括微 处理器、ASIC、FPGA、CPU、ALU、DSP或其它图像处理电路的部分或组合。
[0026] 还应理解，本发明的实施例可WW集成电路的形式实现。在给定的此类集成电路 的实现方式中，通常在半导体晶片的表面上W重复的图案形成相同的管巧。每一个管巧包 括此处描述的图像处理电路，并且可W包括其它结构或电路。从晶片切割或划片出单独的 管巧并将管巧封装为集成电路。本领域的技术人员将知道如何对晶片进行划片W及封装管 巧W生产集成电路。该样制造的集成电路被认为是本发明的实施例。
[0027] 图1所示的图像处理系统100的具体配置仅是示例性的，并且在其它实施例中的 系统100除了具体示出的那些元件之外或作为它们替代还可W包括其它元件，包括于此类 系统的常规实现方式中的常见类型的一个或多个元件。
[0028] 现将更加详细地描述在示例性的实施例中的图像处理器102的操作。对该些实施 例，假定其目标图像X是尺寸为MXN像素的未知图像，其将由图像处理器102从设及由一 个或多个图像源104提供的多个输入图像Al,A,，…，\的图像信息构建。一个或多个输入 图像Al,As,…，\每一个也可W具有与期望的目标图像相同尺寸的MXN像素尺寸。输入图 像可W可能由不同的成像器或其它类型的图像源从场景的相同或相似的视点采集。
[0029] 上述的函数(Al),f2 (As),…，片(Al)组可W被配置为提供来自图像Al,As,…，Al的 像素值的相应的已知的映射R?-R，其中R?是实（real)MXN矩阵的集合。在此将在其 它地方更加详细地描述该样的映射的例子。
[0030] 本实施例中的图像处理器102被配置为使用基于从函数118选择的或获得的函数 (Al)，f2 (As)，…，ft(AJ的组的泛函F狂）重建目标图像X，使得X的重建像素值Xy(其中 1《i《M，1《j《脚是在规定的场景中相对于其它可能的X的值是优化的。此处使用的 术语"优化"旨在被宽泛地解释，包括根据一个或多个特定的优化规则的优化，并且不应被 视为要求绝对最小化。
[003。 在一些实施例中，泛函FOO是如下的形式；
[0032]
(1)
[0033] 如前所指示的，在一些实施例中，目标图像X是使泛函FOO最小化的图像，即，
[0034]
(2)
[00巧]在确定目标图像时，可W使用从权重120选择的或获得的权重来指定某些输入图 像比其它输入图像更重要。例如，可W引入权重组Wi,…，使得对于所有k= 1. . .L，Wk〉0。 如果已知由函数fパAp中的给定的一个函数提供的信息比由函数中的另一个函数提 供的信息更重要（其中在该特定的上下文中定义下标i和j使得1《i《L1《j《L)， 那么可W指定权重使得
[0036] 当上述泛函（1)被修改W包括权重时，W下式给出：
[0037]
(I')
[0038] 在该种情况中，可W使用如下的最小化来找到目标图像X:
[0039]
(2')
[0040] 如果不知道哪一个输入图像比其它输入图像更重要，那么可W设定所有的权重等 于单位值，Wi=W=W^= 1。该将泛函（I')简化为泛函（1)，并将最小化（2')简化为 (2)。
[0041] 也可W结合或替代上述权重使用来自概率组122的概率。例如，可W引入一组概 率Pi，P2,…，扣，其中对于所有的k=l'''L，0?Pk? 1。该些概率值Pk中给定的概率值可 W被认为是输入图像信息对应部分的可靠性量度。概率越大，泛函中来自对应项的贡献应 该越大。
[0042] 当修改上述泛函（I' )W包括概率时，W下式给出：
[0043]
[0044] 在该种情况下，可W使用如下的最小化来得到目标图像X:
[0045]
(2")
[0046] 如果不知道概率，那么可W将所有的概率设置等于单位值，Pi=…=P尸1。该将 泛函（I")简化为泛函（I')，并且将最小化（2")简化为（2')。
[0047] 在前述中，设想了在给定的泛函中使用的特定函数、权重和概率是从图像处理器 120的相应的函数118、权重120和概率122中选择或获得的。因此，图像处理器可W存储 多个函数、权重和概率组，并且可W根据需要选择用于给定的图像处理应用的特定的组。替 代地，可W根据需要由图像处理器产生一个或多个该样的组。
[004引现将更加详细地描述使用最小化（2)、（2')或（2")确定目标图像X的方式。 将考虑两种情况，在第一种情况中，函数(Al)，f2 (As)，…，片(\)都是线性函数，而在第二 种情况中，函数fi(Al),f2(A2)，…，Cl(Al)中至少一个是非线性函数。
[0049]在第一种情况，更具体地假定所有的函数(Al)，f2 (As)，…，片(心就其相应的基 本变量（essentialvari油Ie)是线性的，其中f(X)的基本变量被表示为V(f狂)）。例如， v(Xi，j+i-Xi，j) = {Xi，j…Xi，j}。另外，FW=ULivCZi(义))表示F佩的所有基本变量的集合。 为了在确定X时避免不确定性，进一步假定n巧=U^lW/*(巧)=;.Tl」，Xl，2，...，々,iV，A,l，，...，X.V，w}，也 良P，所有变量对泛函F狂）是必要的。
[0050] 在线性函数的情况下，可W通过求解包括下式的线性方程组确定目标图像X:
[0051]dF/dXi，j= 0,对于所有的1《i《M，1《j《N做
[0052] 线性方程组（3)是丽个线性方程的组，其可W使用许多的已知的技术中任何技术 (例如，高斯消元法）来准确地或近似地求解。
[005引在第二种情况中，函数(Al),f2 (As),…，片(AJ中的至少一个函数是非线性函数， 并因此，不能如上述第一种情况中那样通过求解线性方程组得到X。相反，用于确定目标图 像X的一种可能的技术是基于逼近迭代最小化：
[0054] Xw=aw_min化X1). (4)
[00巧]其开始于目标图像X的初始逼近值X。，并迭代地进行直到满足迭代的最大次数或 者在两次连续的迭代中目标图像X的逼近值Xw和Xi之差小于阔值。
[005引可W使用q个恒等函数fu(Aii)，fi2(A。)，…，的组确定初始逼近值X。，每一 个恒等函数提供关于目标图像X的部分信息。例如，恒等函数每一个可W提供至少一个像 素值fii(A。）=ami.nl，fi2(Ai2) = 也，…，fiq(Ai。）=a。。，。。，在该种情况下，初始逼近值Xo 可W是由使用至少所述q个值3ml,。1，…，a。。,。。的插值确定的MXN逼近。作为更具体 的示例，q个值可W包括MXN点阵的规则亚点阵（regularsublattice)，使得可W使用双 线性插值、立方插值或其它类型的插值来确定X。。
[0057] 尽管该方法使用丽个变量，并因此可能是计算密集的，但可W通过使用附加 信息（例如，解析形式的梯度）来加速逼近。因此，例如可W设想，对于所有变量，梯 度是已知的。可W使用的处理的例子包括梯度下降、置信域、列文伯格-马夸尔特法 (Levenberg-Marquardt)等。
[0058] 现参考图2的流程图，示出了在一个实施例中使用线性方程组来产生目标图像的 处理过程。设想由图像处理器102使用其泛函构建模块114和目标图像产生模块116来实 现该一处理。
[0059] 该实施例中的处理包括步骤200到212,并且开始于在步骤200中获得相应的输入 图像Al,As,…，A曲函数f1 (Al)，f2 (A2)，…，ft(AJ组，在步骤202中获得权重Wi,…，W进， W及步骤204中获得概率Pi,P2,…，Pl组。如果将不应用权重或概率，则可W将所有对应的 值设定为一致。
[0060] 在步骤206中，如果必要，调整在步骤200中获得的函数。例如，函数可能与来自不 同图像源的相应图像相关，因