超分辨率(SR)图像重建是由一帧或者多帧低分辨率图像来重建出一帧或者多帧高分辨率图像的信号处理技术，采用该技术可以克服成像系统内在分辨率的限制，提高当前图像处理系统中大多数图像的分辨率，其理论研究成果正在逐步向应用转化，其巨大的应用价值和广阔的市场前景将在视频、军事、遥感、医学和监控等领域得到充分的显现。本课题的研究是当前图像处理领域的一大热点。 本文主要研究图像SR重建中的基于Bayes理论的图像超分辨率重建方法。论文首先简要介绍了超分辨率重建技术的研究背景、基本原理以及基本方法，然后在此基础上分别对单帧非压缩图像以及压缩视频的超分辨率重建进行了仿真研究。在单帧非压缩图像超分辨率重建中，本文给出了一般的非压缩图像的降质模型，并且在有无加性高斯白噪声两种情况下分别进行仿真实验。仿真结果表明，采用MAP方法的SR图像重建在峰值信噪比和重建主观效果等方面均较简单的线性插值方法有较大的提高和明显的改善。在压缩视频的SR重建研究中，本文分析了当前主流视频信号的压缩编码框架，给出了压缩过程中量化噪声的概率统计特性以及运动矢量的分布特征，并在此基础上建立了视频SR重建的MAP求解框架，得到了视频SR重建的初步结果。最后，文章针对MAP迭代求解方法的运算量较大这一现实，结合Markov随机场的物理意义，提出了分块处理的方法，仿真结果表明，当待处理图像的尺寸较大时，在保证重建图像质量几乎一致的情况下，本算法的计算时间较未分块的情况有显著的降低，同时为并行计算的实施提供了可能。