人类总共包含了近乎35,000个基因，需要的蛋白质大概有50万种。其中4％的蛋白质的结构，即21,000种，已经确定，并存放在专门存放其结构的数据库中，并且面向大众公开。但是由于在这21,000种蛋白质结构中有70%都是小型变体，所以在这个数据库中存在很高的冗余度。确定蛋白质结构就相当于确定每个结构原子的位置。X射线晶体学和核磁共振（NMR）是实现这些高分辨率结构的两种最常见的实验技术。目前，有些大型国际联盟决定通过这些技术解决大分子结构。 一般来说，这些努力被称为结构基因组学，它们旨在降低结构测定的成本。然而，并非所有的大分子复合物都是结晶，所以X射线和NMR不能用来确定任一的大分子复合物。电子显微镜（EM）是解决这些局限性的补充实验技术。它能够观察到近乎生理级别的结构，也不需要高浓度，并且可以自然地处理大的复合物（这是特别有趣的，因为许多蛋白质可能参与单个分子工具）。另一方面，与X射线和NMR相比，电子显微镜分辨率被认为是相当低的。造成电子显微镜低分辨率的原因有三个：内在大分子变形、显微镜像差、样品制备。

在电子成像领域中，高分辨率（High-Resolution,HR）图像被频繁使用。图像像素密度更高，其所能提供的细节信息更多，因此具有高像素密度的HR图像在成像领域的应用中起到了关键性的作用。在电子显微镜中可以通过2个方面提高图像的分辨率，一方面是电子显微镜本身，电子显微镜的制造技术进展非常迅速近年来在图像自动化方面取得了巨大进步，使得所需电子剂量最小化，低温下的机械稳定性大大提高，加速电压提高到300kV，能量扩散减小，球面像差校正器已经被纳入 ，并且新的直接电子探测器已经就位（这对电子剂量的减少有很大的影响）。另一方面是图像处理，在这方面新的更强大的图像处理算法被提出，使显微镜像差，噪声和结构异质性得到更好的处理。这些新算法的使用使得在过去15年中可以处理的图像数量增加了两个数量级。图像超分辨率（Super-Resolution,SR）重建技术就是其中最为重要的一种，对改善图像质量具有非常好的效果。

1.2 超分辨率重建SR的国内外研究现状

1.3 论文主要内容

在电子显微镜下产生的低分辨率（Low-Resolution,LR）图像的分辨率不能达到研究者们对分辨率的要求水平，因此图像SR重建算法逐渐成为了研究者们的重点关注的算法。在此背景下，本文学习研究了图像SR重建算法。本论文的章节分布及其每章大致的内容如下：

第一章：绪论。在本章中，首先叙述了图像SR重建算法研究的背景以及通过研究它所能带来的重大的价值，其次讲述了重建算法在国内外的进展状况，最后以对本论文的总体结构以及各章内容进行了简单的介绍结尾。

第二章：SR重建算法。此章被分为两大部分，第一大部分是SR重建之前需要知道的一些基本问题，主要包括SR重建的概念、观测模型、以及基于运动的SR重建的基本步骤。在第二大部分中，粗略陈述了SR重建的方法，主要分为时域算法和空域方法，以及简略陈述了这两大算法下的一些具体算法。

第三章：正则化图像SR重建。在本章的开头就提出了不适应性问题以及它对重建的负面反应，然后指出正则化是解决不适应性的主要方法。而正则化图像超分辨率重建算法中有两个重要的因素，一个是正则项，另一是正则化项参数，因此本章还对这两个因素的选择进行了讨论。在本章的最后还研究了一种基于参数自适应的正则化SR重建算法。

第四章：结论。此章对论文的整体内容作出了总结，同时，在当前的发展情况的基础上，针对图像SR重建的改进方向进行了讨论。