图像超分辨率重建,是利用同一视域的多帧低分辨率降质图像,通过信号处理技术重建高质量、高分辨率图像的一种技术。这种重建技术可突破图像采集设备分辨率的限制,改善了输出图像的视觉效果,便于计算机对图像进行处理、分析和理解,因而广泛应用于计算机视觉、卫星遥感、天文和医学图像等领域。　　图像超分辨率重建主要涉及图像插值和信息融合两个关键技术。目前常用各种迭代优化算法,通过并行处理获得超分辨率重建图像的近似解,不仅计算量很大,而且迭代相当于求平均,这就降低了重建图像空间细节的表现能力。本文采用串行方式,即先对单帧图像进行插值重建,然后再进行图像融合得到超分辨率重建图像。该方法不仅充分利用了多帧图像之间互补的细节信息,而且降低了计算复杂度。　　分析和实验表明,采用小波三次样条插值实现单帧图像插值重建具有较好的效果。传统的小波变换融合法具有片面性,融合后容易使图像平滑或出现融合痕迹。为此,本文引入了全局性的基于脉冲耦合神经网络(PCNN)的图像融合算法。为了提高算法效率,又进一步加入判敛准则,提出一种使程序运行可自动终止的改进PCNN图像融合算法。该算法更符合人的视觉系统要求,可保留更多的图像细节信息,不需要根据经验或者通过反复实验来确定最佳迭代次数,大大减少了工作量。　　本文结果表明,采用小波三次样条插值和改进的PCNN图像融合相结合的算法,得到的超分辨率重建图像具有很好的视觉效果,各项指标均有所改善,分辨率接近原始高分辨率图像,证明该算法是有效的、可行的。