Superauflösung: Rekonstruktion eines hochauflösenden Bildes aus einer Reihe von Bildern mit niedriger Auflösung

Obwohl Bildsensoren sowohl für Verbraucher- als auch für Industrieanwendungen die vorherrschende Technologie darstellen, weisen sie nach wie vor einige physikalische Einschränkungen auf, wie beispielsweise Rauschen und eine begrenzte räumliche Auflösung. Diese Einschränkungen lassen sich mithilfe von Elektronik und physikalischen Technologien überwinden. Eine vielversprechende Lösung ist jedoch ein Signalverarbeitungsansatz, der zu den aktivsten Forschungsgebieten zählt und als Superauflösung (SR) bezeichnet wird. In dieser Arbeit wird ein SR-Algorithmus vorgeschlagen, der einen affinen blockbasierten Ansatz in Verbindung mit der Maximum-Likelihood-Methode nutzt. Es wurden eine Reihe von Experimenten mit dem vorgeschlagenen System durchgeführt, um rekonstruierte hochauflösende (HR) Bilder mit unterschiedlichen Auflösungen aus demselben Satz von niedrigauflösenden (LR) Bildern zu erhalten. Zudem wurden mehrere Experimente durchgeführt, um das Verhalten des Algorithmus in Abhängigkeit von der Anzahl der verfügbaren LR-Bilder zu bewerten. Der Algorithmus verbessert die Genauigkeit der translatorischen Registrierung und stellt HR-Bilder selbst dann präzise wieder her, wenn nur sehr wenige Eingabebilder zur Verfügung stehen. Diese Arbeit dürfte insbesondere für Fachleute in den Bereichen Bildverarbeitung, Signalverarbeitung und Elektronik sowie für alle anderen von Nutzen sein, die den Einsatz von Auflösungsverbesserung in Betracht ziehen.