随着图像处理技术的广泛应用,人们对高分辨率图像的需求不断增加,使得实际成像过程中待处理数据量急剧增长。基于Nyquist采样理论的数据采集系统需耗费大量的时间和空间资源来压缩采样数据。有限信息更新率(Finite Rate of Innovation,FRI)理论提出了一种新的信号采样与重建方法,将信号的重构转换为未知参数估计问题,以有限信息更新率进行采样,大大降低采样速率,并能很好地重建非带限信号。基于FRI的信号重建能在获取数据量很少的情况下,解决传统采样过程中数据量大来不及实时处理和无法有效进行高分辨率处理等难题。本文研究了FRI理论在图像超分辨率(Super-Resolution,SR)技术中的应用,研究内容分为以下几点:1.介绍了FRI理论,包括信息更新率定义、FRI信号模型及采样与重构方法。由于在实际成像应用中,采样核函数通常未知,本文研究了基于任意采样核的FRI信号重建方法,为后续工作提供理论依据。2.研究了FRI理论在单帧SR重建中的应用,借鉴逆梯度权重计算和边缘保持的插值思想,提出一种基于FRI的单帧自适应SR重建算法。仿真结果表明,与现有的单帧SR重建算法相比,本文算法能更好地重建图像的细节信息,其重建图像具有更自然的视觉效果。3.研究了FRI理论在图像序列SR重建中的应用,因为图像配准的准确性是影响图像序列SR重建质量的关键因素之一,本文着重研究了基于FRI近似估计几何不变矩的配准方法。仿真结果表明,在重建方法相同的条件下,和其他图像配准方法(如基于离散几何不变矩或Harris特征点的配准方法)相比,该配准方法能明显提高配准精度,从而有利于获得质量更好的SR图像。4.结合基于FRI的单帧、多帧重建的优点,提出一种混合型高倍率图像序列SR重建方案,该方案首先对LR图像序列的每一帧进行基于FRI的自适应SR重建,获得一组包含更多细节信息的较高分辨率图像序列,然后利用基于FRI近似估计几何不变矩的配准方法,计算该组较高分辨率图像序列的配准信息,最后采用MRNSD图像复原算法获得最终的HR图像。仿真结果表明,该方案可以实现高质量的高倍率SR重建。