由于场景环境、光照等自然条件的限制以及硬件设备自身产生的偏差,多数图像传感器通过单次观测捕获得到的图像质量往往不尽如人意,很难对场景进行完整呈现。因此,越来越多的设备厂商和相关研究开始将目光投入到对场景进行多次观测,借助得到的多幅场景图像进而获得高质量图像的方法上。该方法的前提是通过硬件设备完成对场景的多次观测,那么是否能从算法的角度上模拟实现对场景进行多次观测的过程呢?鉴于此,本文提出了一种基于多重观测的单幅图像重建算法,实现了对原始图像的再观测,模拟完成了对场景进行多次观测的过程。整个算法过程没有引入复杂的优化计算,只由原始图像数据自身驱动,最终获得了符合主观视觉、呈现场景细节更好的高质量图像。本文算法的实现思路是首先考虑影响图像成像的因素,以图像像素值值域和像素值统计分布情况为考量依据,设计观测算法、确定观测区域,再采用观测激活函数来处理观测区域的图像数据信息,区分出观测区域和非观测区域,生成多重观测图像;接下来,借助观测激活函数的特点,确定重建图像过程中观测图像的权值函数,通过度量观测图像数据的可信度,赋予不同图像数据不同的权重,生成观测图像逐像素的权重矩阵;在重建图像阶段,参考多尺度图像融合的策略,分别对权重矩阵和图像数据构建高斯金字塔和拉普拉斯金字塔,再在金字塔的每层计算全体观测图像与对应的权重矩阵的加权和,最后基于金字塔框架对金字塔进行重构,就重建出了结果图像。本文算法得到的结果图像在信息熵、空间频率和平均梯度等方面表现的更好,也符合人类主观视觉。本文在第一、二章介绍了研究背景、研究现状及研究相关算法;在第三章详细介绍了本文提出的算法模型,并给出解释说明;在第四章引入实例图像进行了具体实验,并与LLF算法和BIMEF算法进行了对照实验。结合主、客观评价,可以证明本文算法对于一般图像都有良好有效的处理效果。本文提出的算法有望应用于智能手机和数码相机等成像设备以获得高质量图像,还可以应用于图像去雾、暗光图像增强等领域。