图像的空间分辨率是衡量图像质量的一个重要指标，更高的分辨率意味着更高的数据量，也便于我们得到更多的有用信息。然而，数字图像在采集过程中受到运动模糊、欠采样及噪声等因素影响而产生降质。基于多幅图像的超分辨率图像重建技术便提供了这样一种改善图像质量，提高空间分辨率的方法。它是一种利用多幅同一场景的有相互亚像元位移的低分辨率图像来重建得到一幅高分辨率图像的技术。该技术在军事、医学、遥感等众多领域有着广泛的应用前景。超分辨率图像重建技术可以分为两大类，即基于学习的单幅图像的重建技术和基于多幅图像的重建技术。本文主要介绍后者。本文主要介绍基于多幅遥感影像进行超分辨率图像重建的技术。于此同时，本文分析了超分技术的适用范围和在遥感领域的特殊性。在介绍图像退化模型基础上，介绍了图像的配准技术和重建技术两个方面。这也是基于多幅图像的超分辨率重建技术的两个最为关键问题。本文的具体研究内容包括：在图像配准算法中介绍了基于频率域的配准方法、基于特征匹配的配准方法和基于光流估计的配准方法。并在基于特征的配准方法基础上通过建立三角网对对控制点进行加密，实现局部变形的配准。在介绍这些配准方法的同时，通过实验展示并验证了各个方法的实际效果。在重建算法中，根据基于多幅图像的超分辨率重建技术分类，分为基于频率域的方法、基于插值的方法和基于概率论的方法。并以凸集投影方法为例，介绍了适用于局部变形情况的重建。同样，在介绍这些方法的同时，结合实验验证展示了各个方法的重建效果。本文同时结合了遥感图像的超分重建的特殊性，选取了资源三号卫星数据、标准的分辨率测试板和异源遥感数据（TM和SPOT数据）进行重建，比较并定量地分析了各个方法的重建效果。并且分析了用于重建的低分辨率图像数量、时空差异和参考图像的选取对重建效果的影响。