随着时代的发展,人们对图像质量的要求越来越高。高质量的图像是众多实际应用所迫切需要的。图像分辨率是图像质量评价的一项关键性指标,它标志着图像描述场景细节信息的丰富程度。现有成像系统受制于其固有传感器阵列排布密度等硬件上的限制,图像分辨率有时不能达到人们要求。而图像超分辨率重建技术通过数学建模及算法给出了从软件方面出发提高图像分辨率的解决方案,可以在原有成像设备的基础上提高图像分辨率,这具有广阔的应用前景。根据所处理图像数目的多少,超分辨率重建一般又分为单图超分辨率重建与多图超分辨率重建。受输入图像本身所含细节信息限制,单图超分辨率重建往往很难达到理想效果。与单图超分辨率算法相比,多图超分辨率算法可以充分利用图像序列之间的互补信息,因而往往具有更好的超分辨率能力。然而,想拍摄获取同一场景具有互补信息的图像序列是十分困难的,相机阵列系统则可以实现从多个视角对同一场景进行拍摄,可以较好地解决这类具有互补信息的图像序列采集问题。论文以自己搭建的相机阵列系统为平台,考虑到相机阵列系统采集图像组的特殊性质,围绕相机阵列的超分辨率重建展开研究,主要研究工作如下:(1)提出一种基于能量函数最小化的深度估计方法。图像配准是多图超分辨率重建中一个关键步骤。在相机阵列系统精确标定,内外参数都已知的条件下,场景深度可以用来实现图像配准,并且通过一次参考图像的深度估计就可以完成所有图像与参考图像之间的两两配准。为了充分利用相机阵列所采集多幅图像的综合信息来完成图像配准,我们提出了一种基于能量函数最小化的深度估计方法,并通过深度估计来完成图像配准。之后,通过实验对此深度估计方法进行了验证,并深入分析了输入图像数目对深度估计结果的影响。(2)针对相机阵列拍摄的近景图像,提出一种基于深度估计的分步式超分辨率重建方法。该方法将超分辨率重建过程分解为图像融合超分辨率与图像去模糊两个步骤。首先,根据估计的场景深度信息完成图像配准,然后,由图像融合超分辨率过程估计出“模糊”高分辨率图像,最后,经过图像盲去模糊得到最终的高分辨率图像。在图像融合超分辨率过程中利用深度信息指导融合,在图像去模糊过程中考虑到成像过程中模糊的未知性,通过交替优化图像和模糊核来处理图像去模糊。实验证明,该方法在处理模糊近景图像时可重建出视觉效果和客观评价指标均有较大提升的高分辨率图像,而在处理清晰近景图像时重建结果虽然在客观指标上有较大提升,但在视觉效果上仍有过度去模糊和过度锐化的现象存在。(3)针对清晰近景图像重建时存在过度去模糊和过度锐化的问题,提出一种基于深度估计的联合式超分辨率重建算法。该方法将相机阵列超分辨率重建问题转化为一个特殊的多通道盲去模糊问题,通过构建一个用于估计高分辨率图像与模糊核的整体能量函数并使之最小化,同时完成了图像融合超分辨率和图像去模糊两个步骤的工作。实验证明该方法在处理清晰近景图像时,重建结果在视觉效果和客观评价指标上均有较大提升,而且改善了过度去模糊和过度锐化的现象。(4)针对相机阵列拍摄的远景图像,提出了两种基于光流的超分辨率重建方法:一种是适用于模糊远景图像的分步式重建方法,另一种是适用于清晰远景图像的联合式重建方法。基于光流的重建方法与基于深度估计的重建方法的主要区别在于图像配准。远景图像场景深度范围很难确定,难以完成深度估计。基于光流的重建方法通过光流算法估计输入图像与参考图像对应像素点之间的亚像素位移,完成图像配准。基于光流的分步式重建方法与基于深度估计的分步式重建方法相似,将超分辨率重建过程分解为图像融合超分辨率与图像去模糊两个步骤。而基于光流的联合式重建方法则把相机阵列超分辨率重建问题转化为一个更易解决的多通道盲去模糊问题,构建了一个新的整体能量函数。通过交替优化高分辨率图像与模糊核来最小化此整体能量函数,实际上就同时实现了融合超分辨率和图像去模糊两个过程。