圖像重建技術(shù)，是利用已退化的低分辨圖像重建高分辨圖像，盡可能重建得到人們滿意的高分辨率圖像。目前，圖像重建技術(shù)在軍事、醫(yī)學(xué)、公共安全，計(jì)算機(jī)視覺等方面得到廣泛應(yīng)用。由于自然圖像本質(zhì)上具有稀疏性，近些年來，基于字典與稀疏表示的圖像重建算法受到廣泛關(guān)注，此類方法可以較好地保持鄰域關(guān)系，而且可以恢復(fù)更多的圖像細(xì)節(jié)信息，在圖像去噪方面有很好的效果，尤其對(duì)圖像中含有多種噪聲的處理。基于稀疏表示算法能夠得到很好的發(fā)展主要是基于L1范數(shù)優(yōu)化技術(shù)的發(fā)展，并且考慮到自然圖像本質(zhì)上具有稀疏性。

　　雖然基于字典與稀疏表示的圖像重建算法在圖像重建過程中，可以得到一個(gè)比較好的重建結(jié)果。但是，該算法的正則項(xiàng)是基于L1正則化方法，Li正則化方法往往并不能產(chǎn)生最稀疏的解。另外，考慮真實(shí)圖像序列中，由于大多數(shù)圖像觀測(cè)模型中噪聲服從高斯分布。然而，現(xiàn)實(shí)世界中，許多真實(shí)圖像、視頻序列中，低分辨率圖像、視頻序列觀測(cè)模型中噪聲服從拉普拉斯分布（如椒鹽噪聲），而拉普拉斯噪聲具有很強(qiáng)的重尾分布特性。另外，對(duì)于圖像中同時(shí)含有高斯噪聲、拉普拉斯噪聲，對(duì)于它們美系模型設(shè)計(jì)過于單一化，沒有隨機(jī)性。

　　針對(duì)上述問題，本文設(shè)計(jì)了一種自適應(yīng)加權(quán)編碼L1/2正則化的圖像重建算法。