空间运动图像作为一种重要的信息形式,在对接测控、对接机构设计及轨道交互控制中都起到了重要作用。然而,空间运动图像包含大量的特征信息,其中的跨尺度特征也越来越被研究者重视,并成为图像的重要特征之一,但对其研究尚处于起步阶段。因此,需要研究新的算法对运动信息进行分析处理,进而获得高分辨率的空间图像序列,实现高质量的空间运动再现。综合国内外已有的研究成果,发现存在如下三个方面的问题：关注尺度改变的问题、帧率尺度改变的问题、分辨率尺度改变的问题。本文以空间运动为背景,瞄准其跨尺度特征,对空间运动图像的跨尺度描述与插值方法进行了深入研究。论文的主要贡献和创新点如下：(1)针对已有的运动图像描述方法缺陷,即不描述观察者所关注的图像序列,提出了空间运动图像跨尺度描述算法SITD。构建了空间运动图像序列的时空关注区域计算框架,提出了基于贝叶斯概率推理的运动目标持续关注方法,给出了基于重叠率的转移帧提取方法,使得在运动图像描述过程中更有利于获取到目标区域的特征属性。以关注区域检测的准确性为指标,相比于GCD和ISD算法,SITD算法的重叠率分数分别提升了10%和8%。为更好地描述空间图像序列的运动细节,获取高质量的运动图像放大序列,提出了细微运动放大算法SIMM。设计了基于欧拉放大的运动图像时空处理方法,提出了空间关注区域检测方法,给出了运动细节增强方法,减轻了放大后的运动图像所产生的瑕疵,实现了空间运动图像序列的精细尺度和粗糙尺度的统一。实验结果表明,与已有的图像运动放大算法EVM相比,SIMM能够更准确地表征运动细节,在客观量化指标上取得了更好的效果。其平均梯度指标值提升了13%,边缘强度指标值提升了11%,空间频率指标值提升了27%,清晰度指标值提升了15%,质量分数指标值提升了14%。(2)针对已有的空间图像的单帧插值方法存在插值图像细节不清晰的缺陷,提出了基于视觉显著性检测的空间图像插值算法SEGPR,以获取符合人类视觉感知的高分辨率插值图像。该算法构建了空间图像区域模式,探测出以颜色、亮度、边缘等为特征的具有较高对比度的区域,实现了图像区域的合理划分。提出了一种空间图像分区插值方法,根据插值像素所在的区域设计出灵活的插值方式。为突出运动图像中的重点关注部分,提出了基于高斯过程回归的插值算法EGPR,在提高了显著区域清晰度的同时,提升了运动目标的插值质量。构建了结合边缘导向和统计理论方法的单帧插值计算框架,提出了基于低分辨图像数据的高斯过程方法,给出了基于曲率能量计算的未知像素预测方法,提高了插值区域中预测未知像素的准确度,有效地保持了运动图像的局部细节特征。实验结果表明,相比于BI、GPR和ICBI算法,EGPR算法在低插值倍数情况下,峰值信噪比指标值分别提升了2%、1%和1%；在高插值倍数情况下,峰值信噪比指标值分别提升了5%、2%和2%。(3)针对已有的空间图像的多帧插值方法存在运动不流畅性和插值图像细节模糊的缺陷,提出了基于一致性敏感哈希的帧插值算法CSFI,利用运动图像时空特征,有效地捕获和描述空间运动图像的边缘和纹理特征,生成高质量的插值帧。CSFI算法包括基于视觉对应的运动域探测方法和基于一致性敏感哈希的插值像素计算方法,前者能有效地缩小插值帧的预测范围,后者能提高插值像素的预测准确性。实验结果表明,相比于TSS、ARPS、H&S、CNF和CSH算法,峰值信噪比指标值分别提升了16%、15%、22%、21%和12%,平均结构相似度指标值分别提升了4%、3%、7%、3%和2%。提出了区域导向运动图像序列插值算法RGSI,通过改变运动图像序列分辨率尺度,得到了最优的高分辨率空间运动图像序列。构建了基于区域的运动图像序列插值模式,实现了运动域的高质量插值放大。构建了运动域细节增强方法,加强了插值像素的颜色对比度,提高了空间运动目标的清晰度。实验结果表明,与BI和ICBI算法相比,在不同插值倍数下,边缘强度指标值分别提升了24%和17%,平均梯度指标值分别提了升23%和15%。(4)针对已有的空间图像缩放方法不能对空间运动图像的重点关注区域进行尺度变换的缺陷,提出了基于分区插值的感知驱动空间运动图像缩放算法IPDR,在确保全局视觉效果的基础上,提高了运动图像关注区域的清晰度。提出了分区插值方法,对运动图像不同区域采用不同的插值策略。提出了基于雕刻线切割关注区域能量保护方法,通过移除具有低能量的雕刻线,提升了缩放过程中的运动图像空间目标清晰度,得到了不同分辨率下的高质量缩放图像。实验结果表明,相比于IR、IC和ISC算法,平均梯度指标值分别提升了9%、24%和16%,信息熵指标值分别提升了3%、17%和7%,图像功率谱指标值分别提升了12%、11%和13%。(5)建立并实现了空间运动图像序列跨尺度插值模型MTIM。该模型以本文提出的SIMM、SITD、SEGPR、EGPR、CSFI、RGSI和IPDR等算法为基础,实现了高质量的空间运动再现。MTIM包含运动目标轨迹描述算法、关键帧跨尺度展示算法和运动过程跨尺度展示算法,分别实现了不同描述尺度下的空间目标运动轨迹刻画,完整地显示出不同时间尺度下的关键帧,使得运动图像具有跨尺度变化的属性。实验结果表明,MTIM模型能够取得较好的跨尺度插值结果,高质量地完成运动目标的跨尺度展示。