在图像处理领域中,图像的超分辨率重建是重要的研究课题之一。随着三维重建、超分辨率重建、测距和高速摄像等技术的发展,阵列相机成为图像处理中重要的研究热点。其中,微阵列相机具有体积小,多视图的特点,并存在应用到便携式设备上的可能性。在本文中,使用微阵列相机采集获取动态场景的阵列图像。在此基础上,进一步研究适于动态场景阵列图像的超分辨率重建方法。本论文研究中的主要内容和创新点包括:(1)对图像超分辨率重建的重要性进行介绍;分析形成低清晰度图像的具体原因;简单介绍阵列图像和单幅图像的重建基本模型。(2)动态场景阵列图像预处理。在详细分析本文微阵列相机的特点后,对动态场景阵列图像进行畸变校正,锐化及配准处理。之后,使用动态场景结果进行插值处理,获取初始高清晰估计图像;(3)卷枳神经网络超分辨率重建。本文提出了一种改进型卷积神经网络。首先,该网络的卷积层尺寸均采用3×3或者1×1。其中,部分1×1卷积层的作用是提升网络性能;其次,使用瓶颈结构减少了非线性映射的参数含量,同时提升了整体网络的非线性能力;最后,本文使用了3×3去卷积层,相比FSRCNN-s的去卷积层大幅减少参数数量;通过该网络重建后,图像的质量得到提高。通过实验验证:本文方法可以有效使用阵列图像间的信息,提高目标图像的纹理质量;本文提出的图像重建网络相比SRCNN和FSRCNN-s的重建效果更佳;使用该卷积神经网络可以进一步提升初始高清晰估计图像的质量,最终可以获取质量较好的动态场景阵列图像。