超分辨率技术可用于将监控视频中多幅低分辨率车牌图像合成一幅高分辨率车牌图像,达到增强图像质量的目的。在图像增强领域,超分辨率重建已成为一个热门研究课题。重点研究了基于仿射变换配准模型的分层贝叶斯框架下车牌图像超分辨率算法。传统的超分辨率算法在配准环节仅包含了平移和旋转的估计,这样的假设无法准确描述监控视频中车牌的运动。通过引入更复杂的仿射变换描述车牌运动,使图像的运动过程得到了更准确的表达。在分层贝叶斯框架下,采用最小化KL散度(Kullback-Leibler divergences)的方法逼近未知量的分布,对仿射变换的运动矩阵采用一阶泰勒展开式近似,推导未知量分布的完整计算公式,最后发现未知量分布满足特定形式的多元高斯分布,通过求其期望得到了配准参数和待重建高分辨率图像。在引入仿射变换的分层贝叶斯框架超分辨率算法的迭代计算过程中,模型参数自适应变化,使整个模型计算不需要人工监督自适应完成,最后得到趋于收敛的待重建图像和仿射变换配准参数。最后将论文的超分辨率方法与其他超分辨率方法进行了比较。实验结果表明,本算法能适应复杂的车牌运动,重建出的高分辨率车牌图像具有较少的重影并能够有效的识别出车牌字符。