Huber-Markov先验模型相关

随机概率重建-MAP算法

随机概率重建：利用贝叶斯理论作为框架，理想图像的先验知识作为约束条件进行图像重建。常用的随机概率超分辨率重建包括最大后验概率估计法(MAP)和极大似然估计法(ML)。

MAP算法最早由Schultz和Stevenson引入，针对运动估计过程的病态性，利用Huber-Markov先验模型将超分辨率问题转变为一个具有唯一解的条件最优问题。

Hardie等提出一种同时与超分辨率图像和配准参数有关的MAP代价函数，该方法对误差具有较强的稳定性。

Cheeseman基于高斯先验模型和Bayes估计方法融合多幅卫星图像，从而得到高分辨率图像。

Elad等提出一种等价于Tikhonov正则化的MAP估计问题，重点讨论了多帧低分辨率图像重建的数学模型，并结合POCS方法提出ML／MAP／POCS的超分辨率重建方法。

另外，Sementilli、Lorette、Farsiu等对MAP超分辨率重建算法也作了深入研究，MAP重建已成为目前应用广泛的超分辨重建算法。

《文献》白俊奇. 高分辨率红外成像中的图像处理算法研究[D]. 南京理工大学, 2010.