چکیده: چکیده در چند سال اخیر تقاضای تشخیص چهره برای شناسایی افراد از دوربین‌های نظارتی ویدیو به سرعت افزایش یافته است. از آنجایی که دوربین‌های نظارتی معمولاً در موقعیت‌های دور از چهره فرد قرار می‌گیرند وضوح تصاویر چهره گرفته شده توسط دوربین‌ها بسیار پایین است که باعث می‌شود شناسایی چهره با مشکل مواجه شود. برای رفع چالش فوق روش‌های مختلف فراتفکیک‌سازی پیشنهاد می‌شود. روش‌های فراتفکیک‌پذیری به دو دسته تک تصویری و چند تصویری تقسیم می‌شوند. در روش‌های دسته اول از یک تصویر کم وضوح یک تصویر وضوح بالا بازسازی می‌شود. در حالی‌که در دسته دوم برای ساخت یک تصویر وضوح بالا مجموعه‌ای از تصاویر کم وضوح صحنه مورد استفاده قرار می‌گیرد. در این تحقیق بر روی فراتفکیک‌سازی تک تصویری چهره متمرکز می‌شویم. برای تحقق فراتفکیک‌سازی در این رساله سه ایده پیشنهاد شده است. در ایده اول، یک روش ابتکاری مبتنی بر تبدیل فوریه استفاده می‌گردد. برای این منظور ابتدا از دامنه و فاز تبدیل فوریه به‌طور جداگانه استفاده می‌شود تا یک تخمین اولیه از تصویر وضوح بالا به‌دست آید. سپس به کمک یک الگوریتم پس‌افکنش به‌طور تدریجی جزئیات به تصویر وضوح بالا اضافه می‌شود. در ایده دوم، با توجه به توانایی بالاتر تبدیل فوریه کسری نسبت به تبدیل فوریه متعارف، از فوریه کسری برای فراتفکیک‌سازی استفاده می‌نماییم. برای انتخاب پارامتر کسری از الگوریتم ازدحام ذرات استفاده می‌نماییم. با توجه به اینکه تاری در نقاط مختلف صحنه‌های واقعی یکنواخت نیست در ایده سوم تصویر کم وضوح براساس ابعاد پنجره دلخواه، بخش‌بندی می‌شود. سپس بخش‌ها براساس میزان تاری آنها خوشه‌بندی شده و از هر خوشه یک بخش کاندید انتخاب شده و براساس ایده دوم برای هر خوشه پارامتر فوریه کسری بهینه به‌دست می‌آید. پارامتر کسری بهینه هر خوشه بر روی تمامی بخش‌های مربوط به خوشه خودش اعمال شده و بر روی تمامی بخش‌ها به این طریق عملیات فراتفکیک‌سازی اعمال شده و در نهایت با قرار گرفتن بخش‌ها در کنار هم تصویر وضوح بالا ‌ساخته می‌شود. کیفیت این روش نسبت به روش‌های قبل بیشتر است اما ایرادی که در آن وجود دارد، ایجاد خط مرزهایی است که به سبب اختلاف در مقدار بهینه پارامتر کسری دو بخش همسایه به وجود می‌آید. برای حذف این خط مرزها از میانگین وزن‌دار استفاده شده است. بدین صورت که برای حذف مرزها باید یک پارامتر بهینه کسری از بین تمامی پارامترهای بهینه بخش‌ها انتخاب کرد. برای این منظور از پارامتر بهینه خوشه‌ها براساس تعداد بخش‌های هر خوشه میانگین وزن‌دار محاسبه می‌شود و با این کار یک پارامتر کسری بهینه کاندید به‌دست می‌آید. سپس با اعمال پارامتر بهینه منتخب در ایده دوم، تصویر فراتفکیک‌سازی شده از تصویر کم وضوح ایجاد می‌شود. از مزایای الگوریتم‌های ارائه ‌شده، می‌توان به سریع بودن، سادگی، دقت و کیفیت عملکردی آن با توجه به معیارهای به‌دست‌ آمده، اشاره کرد.