图像空间分辨率是红外成像系统的一项重要技术指标,它直接决定了成像系统在遥感红外成像、故障检测、医学图像分析及敌我识别等领域的应用前景。而当前的红外成像技术依然存在着信噪比低、对比度弱和高频细节信息少等缺点,如何提高红外成像系统所获取图像的分辨率成为了人们急需解决的重要问题。增大感光器尺寸和减小像元尺寸等改进硬件设计的方案是提高成像分辨率最直接的方式。但是,这些方式的成本较大,而且存在着不可打破的物理极限,这使得这些方式只能有限地提升成像系统的分辨率。因此,论文将重点研究红外成像系统的超分辨率重建技术,提出了三种超分辨率重建算法以及探讨了一种联合图像配准的超分辨率重建技术的验证方法,最后设计搭建了实时的红外超分辨率成像系统。论文的主要工作及创新之处包括:(1)单帧图像的超分辨率重建技术。论文首先研究了三种多项式插值超分辨率重建技术及两种基于学习的超分辨率重建技术。针对生成式对抗超分辨率重建网络获得的高分辨率图像只具有高度真实视觉效果,客观质量评价指标却不高的问题,论文提出了一种融合网络的超分辨率重建技术。重建网络由三个部分组成,其中生成式对抗网络部分重建初始高分辨率图像,梯度转换网络部分获取高频细节信息图像,融合网络部分对这两种图像信息进行融合,获取最终的高分辨率图像。融合重建网络能有效引入外部样例知识,重建图像视觉效果真实,细节清晰,相较于对比算法,客观评价指标最优。(2)多帧图像的超分辨率重建技术。多帧图像重建与单帧图像重建的主要不同之处在于多帧重建引入了图像序列之间的时间-空间相关性,以此融入了输入图像之间的不同高频细节信息。重建约束的超分辨率重建中图像配准与重建之间具有相互促进与相互制约的关系,论文在此基础上提出了一种联合图像配准的超分辨率重建方法,即在重建过程中循环迭代,不断修正图像配准参数与重建效果,直至迭代收敛获取最终的高分辨率图像。相较于传统重建算法,联合重建算法获取的高分辨率图像边缘更加清晰,细节表现能力更强。约束重建法能有效利用序列图像之间的不同信息,但是在重建中可利用的图像外部知识较少。因此,论文提出了一种基于生成式对抗神经网络的多帧图像超分辨率重建技术,即通过增加图像配准与权值表示层将基于生成式对抗超分辨率重建网络扩展到多帧。生成式对抗多帧重建算法不仅能融合序列图像之间的不同信息,同时也能引入外部样例细节信息,其重建后的图像具有更完整的高频细节信息,图像效果真实自然,且在客观评价指标中具有很强的优势。(3)基于图像配准的超分辨率重建技术验证方法。为了验证超分辨率重建技术对图像分辨率提高的有效性,论文提出了一种基于图像配准的超分辨率重建技术验证方法。配准实验与噪声实验表明,超分辨率重建技术不仅能提高图像配准精度,同时也能提升配准时对噪声的抗干扰能力。实验表明联合验证方法与主客观评价方法的评价结果一致,且对于图像超分辨率重建结果的准确性具有更强的表现力。(4)基于可控微位移的红外超分辨率成像系统。单帧图像重建与多帧图像重建多属于图像后处理,其计算复杂度通常较高,往往不能满足超分辨率重建应用工程的实时性要求。因此,论文设计搭建了一种基于可控微位移的超分辨率成像系统。论文成像系统通过可控微位移平台控制红外镜头后部镜片位移,从而获取亚像素位移已知的红外图像序列,最后使用非均匀性插值法对图像序列进行超分辨率重建,可实时获取具有更高分辨率的红外图像。