图像超分辨率重建是图像处理领域的重要技术,其核心思想是利用一系列具有互补信息的低分辨率图像重建出一幅或多幅高分辨率图像。高分辨率图像能够更多地反映景物的细节,因此,在视频监控、军事侦查、医学诊断等领域,超分辨率重建技术有着广泛的应用前景。在超分辨率重建过程中往往会造成重建图像的纹理模糊,如何能在保持图像纹理特征的同时有效地抑制噪声是重建的技术难点。针对这一问题,本文重点研究了保持图像纹理特征的超分辨率重建方法。论文从研究提取图像纹理特征入手,然后建立重建参数与图像纹理特征的函数关系,从而得到纹理自适应重建模型,最终获得纹理清楚的重建效果。论文首先系统地研究了纹理特征提取方法,其次,选用合适的纹理提取方法提取纹理特征,并依据纹理特征构建重建参数模型,使重建参数随纹理特征自适应变化。最后,进行图像超分辨率重建。本文主要工作如下:1.对纹理提取方法进行了研究,分析了各纹理提取方法的优缺点,并且对各方法适用于图像超分辨率重建的可能性进行了分析比较,从中选择了灰度共生矩阵方法(GLCM)提取纹理特征,并建立正则化参数与图像局部纹理特征的函数关系,使正则化参数?随图像局部纹理特征自适应调整。实验结果显示,与BTV算法相比,该方法能使图像的边缘和纹理细节重建效果更好,并能较好地抑制噪声。但是,基于GLCM方法提取纹理特征缺少纹理方向信息,且提取特征时间较长,应用性差。2.本文提出了一种新的图像纹理特征提取方法,并据此构建加权系数和正则化参数模型进行超分辨率重建。实验结果证明该方法不仅可以得到高质量的重建图像,而且重建速度明显提高,重建时间明显缩短,可以达到又快又好地重建图像的目的。