在數(shù)字圖像應(yīng)用中，空間分辨率是表征圖像質(zhì)量的重要指標。高分辨率意味著圖像的像

　　素密度高，能夠提供更多的細節(jié)信息。提高成像系統(tǒng)的空間分辨率一直以來都是成像技術(shù)領(lǐng)

　　域的一項重要研究內(nèi)容。雖然半導體技術(shù)的發(fā)展已使得成像器件的分辨率達到了較高的水

　　平，但受設(shè)備成本、體積以及存儲能力的制約，這些高分辨率設(shè)備在眾多日常領(lǐng)域很難得到

　　廣泛應(yīng)用。特別是在一些視頻成像設(shè)備中，動態(tài)視頻所能達到的分辨率遠低于靜止圖像。因

　　此如何在不改變成像系統(tǒng)硬件設(shè)備的前提下，提高已獲取動態(tài)視頻的分辨率，具有更為重要

　　的應(yīng)用意義。超分辨率復原技術(shù)，作為一種不需要硬件參與的提高圖像空間分辨率的方法，

　　為這一問題的解決提供了經(jīng)濟有效的途徑。它能夠通過信號處理的方法，利用連續(xù)多幀低分

　　辨率圖像中不同而又相似的信息，并結(jié)合圖像的先驗知識，重建高分辨率圖像。其主要優(yōu)點

　　是成本低廉，而且已獲取的低分辨率圖像仍能得到有效利用［1］。

　　與單幀高分辨率圖像的復原算法相比，對視頻序列中所有幀進行超分辨率復原的研究相

　　對較少［1］。因為從理論上講，將任何一種單幀圖像的超分辨率復原算法用于視頻序列中的連

　　續(xù)各幀，均能實現(xiàn)視頻序列的超分辨率復原，即序列圖像的靜態(tài)批處理方法［2］。實際應(yīng)用中，

　　這往往會受到運算復雜度的限制，而且，對各幀圖像的單獨處理未能有效利用相鄰幀已復原

　　圖像的有用信息，造成運算量的大量浪費?；诘?］和自適應(yīng)濾波［4］的方法通過利用已重

　　建高分辨率圖像的有效信息，降低了算法的復雜度。但這些算法仍是以傳統(tǒng)的單幀超分辨

　　復原算法為基礎(chǔ)的，未能充分考慮視頻序列應(yīng)用自身的特點，提高算法的性能。例如在一些

　　實際應(yīng)用中，成像設(shè)備能夠同時提供靜止圖像和動態(tài)視頻的拍攝，而且靜止圖像的分辨率通

　　常遠高于視頻圖像。因此同一場景的高分辨率靜止圖像對于序列圖像的復原將具有重要的借

　　鑒意義。為此，文獻［5］提出一種 DCT 域基于參考幀高分辨率圖像的視頻序列超分辨率復原

　　算法。該算法在基于學習的超分辨率復原［6］框架下，以同一場景的高分辨率圖像為例子圖像，

　　通過 DCT 域塊匹配運算，搜索匹配圖像塊的高頻信息用于復原圖像塊，收到了較好的效果。

　　但是由于該方法在 DCT 域以固定的塊尺寸進行匹配，匹配誤差較大，且直接將匹配圖像塊