自从数字图像产生以来,人类对于客观世界的描述越来越具象化了,图像的直观性使其承载了大量的信息,据统计,人所获得的信息70%都来源于视觉,图像的可视化为人们提供了可供观察的画面,同时也为后续的信息处理与利用提供了丰富的信息源,为了使图像中人们所需的信息涵盖量更大、细节更丰富,人们往往需要更为庞大和复杂的硬件设备,但当硬件的发展受到客观条件、制造成本等因素的制约时,从软件的角度去弥补硬件的不足就显得十分重要,因而有关图像增强的处理一直都是数字图像研究的主要方向。全景视觉系统是一种水平视角可达360°,单侧视角接近或超过180°的视觉成像系统。全景视觉成像技术是一种依赖于几何光学、成像元器件、图像处理算法的兴起、发展而逐步成长起来的成像技术。它能比普通的图像传感器承载更多的信息,直观性好,采样周期短,目前已经有越来越多的领域应用到全景视觉图像,这导致了人们对全景图像质量的要求也越来越高,因此全景视觉图像的增强研究具有着十分重要的意义,本文的研究正是针对全景视觉的图像增强技术,具体的研究内容包括:首先,对全景视觉系统的成像模型给出了描述和阐释,并且给出了全景视觉图像的展开算法,丰富了全景视觉图像的表达形式。本文也将针对全景视觉系统的柱面展开形式、透视展开形式、极坐标系下的非展开形式和直角坐标系下的非展开形式分别提出图像增强方法。同时本文还给出了近年来图像增强领域特别有效的手段——超分辨率(SR)增强的基本原理,以及针对图像质量评价的方法。其次,阐释了最大后验概率(MAP)的超分辨率增强方法,分析了图像的退化模型,并且从数学理论的角度阐释了模型最优化的问题,而后通过对该算法进行方差分组赋权方面的改进使之能够从更多的低分辨率(LR)图像中获取冗余信息,同时也更好的适用于全景视觉图像的透视展开图像和柱面展开图像。然后,研究了基于学习型锥形塔的超分辨率增强的有关问题。锥形塔模型是由金字塔模型发展而来,金字塔模型最初应用在图像多尺度融合上,但利用这种多尺度层级之间的比较可以进行金字塔结构的训练和学习,然后为了适应全景视觉图像在极坐标系下的非展开形式,将金字塔模型改进为锥形塔模型,以便能够在全景视觉图像不展开的情况下更好的利用原图像。实验结果表明,该方法对于全景视觉图像的增强有良好的效果。最后,本文建立了三维空间下的灰度曲面模型。传统的退化模型需要逐个估计变形矩阵、模糊矩阵、采样矩阵、加性噪声等,每一个估计都会产生算法误差,那么多个矩阵整合在一起的时候图像的退化模型就会严重偏离实际情况,自然,根据逆退化过程增强得到的估计图像就会存在极大的算法误差和计算机舍入误差。对三维空间灰度曲面进行拓扑变换,可以有效模拟图像退化过程,将图像退化的各个因素统一在一起,避免了过多的误差。同时本文详细论述了图像的空间灰度曲面满足拓扑性质的原因和意义,为图像增强技术提供了新的方向。并通过实验证明该方法在处理全景视觉图像在直角坐标系下的非展开形式十分有效。同时展望了该三维空间模型与极坐标相结合,构建专门针对全景视觉图像的空间球面拓扑模型的研究。