複数の低解像度画像よりひとつの高解像度画像を推定する方法として超解像処理がある.広く利用されている再構成型超解像処理では,まず初期の高解像度画像を設定し,そこからカメラモデルに基づき観測画像である低解像度画像の各画素値を推定する.推定された画素値と実際の観測画素値の誤差を最小にするように高解像度画像を更新する.収束するまで更新処理を繰り返すことにより,高解像度画像を求める手法が再構成型超解像処理である.再構成型超解像処理は,高解像度画像の画素の数だけの未知数があることや,一回の更新につき複数の低解像度画像の総画素数分の画素値推定計算が必要であることなどから,計算コストが大きいことが知られている.本研究では,更新ごとに必要な計算コストを低減させることを目的とした高速化アルゴリズムを提案する.提案手法は,高解像度画像空間に離散化点とそれに対応する近傍領域を設定し,その近傍領域内に含まれる複数の観測画素値の平均値を利用し,その平均値と離散化点に対する推定画素値の誤差を最小にする方法である.ある近傍領域に対して,従来法では近傍領域に含まれる観測画素の数の推定計算が必要であるが,提案手法では一回の推定計算ですむ. 合成画像および実画像を使用した実験から,実験条件により異なるが,提案手法は従来法と比較して約1.3?5.0倍の高速化が確認できた.また,推定精度は従来法とほぼ同程度であることも確認できた.A super-resolution process produces a high-resolution image from a set of low-resolution images. Reconstruction-based algorithms to produce the high-resolution image which minimizes the difference between observed images and images estimated from the high-resolution image with a camera model has been developed. The reconstruction-based algorithm requires iterative calculation and large calculation cost because the reconstruction-based super-resolution is a large scale problem. In this report, a fast algorithm for the reconstruction-based super-resolution is newly proposed. The proposed method is to reduce the number of observed pixel value estimations from the high-resolution image, using an average of pixel values in a divide region. Effect of our proposed algorithm is demonstrated with synthetic images and actual images. The results show that the proposed method is about 1.3 - 5.0 times faster than a conventional method.