Contourlet变换应用于图像复原时容易引入伪吉布斯现象。非下采样Contourlet变换(NSCT)具有平移不变性, 能够克服伪吉布斯现象, 但是由于基于学习的超分辨率复原需要建立不同分辨率的关系, 而NSCT变换的结果是每一层图像大小都一样, 不能像拉普拉斯金字塔那样建立高低分辨率图像的对应关系及运算量较大。针对这些问题, 提出了基于改进的非下采样Contourlet变换(INSCT)的超分辨率复原算法。为了表示人脸特征, 算法首先建立了INSCT金字塔。然后针对人脸的特殊性, 在匹配过

介绍了超分辨率复原方法的概念和理论基础，重点总结了一些常用的超分辨率复原理论的国内外研究现状，并对它们的理论依据、优缺点和适用范围进行了详尽分析，对超分辨率复原理论的应用领域进行了介绍。超分辨率复原方法分为频域法和空域法。频域复原法原理简单清楚，计算方便，但是所建立的运动模型都是平移模型，不具有一般性，同时难以利用正则化约束，这就导致难以使用图像的先验信息来帮助进行超分辨率复原。空域复原法可以很方便地建立复杂的运动模型，同时考虑了几乎所有的图像降质因素，例如噪声、降采样、由非零孔径时间造成的模糊