相机是人们获取场景图像信息的工具,其成像系统主要由光学系统和图像传感器构成。成像质量受光学系统截止频率、图像传感器欠采样、拍摄过程的运动模糊以及噪声的影响。成像结果实际为退化的数字图像。出于许多领域对高分辨率图像的需求,人们采用硬件或软件的超分辨率技术提高图像的分辨率。软件方法通过计算机算法提高图像空间分辨率,是一种成本低、鲁棒性强、高灵活性的方法。超分辨率图像算法经过数十年的发展,已经有很多有效的应用。基于多帧图像的空域算法对具有亚像素位移的低分辨率图像序列进行超分,代表算法有凸集投影迭代法（POCS）、最大后验概率法（MAP）等。为了从被噪声污染的低分辨率图像序列中得到高分辨率图像,本文基于POCS/MAP算法对超分辨率算法展开研究。本文的研究内容是在POCS算法、MAP算法以及POCS/MAP算法基础上,提出更有利于提高重建稳定性和重建质量的创新优化方案,实现在恢复图像细节信息的同时减少噪声的影响。本文的创新工作主要有:（1）提出了一种基于双边PSF模糊核的POCS残差估计法,用于消除传统算法的伪影现象。为了得到自适应的双边参数,本文采用了基于弱纹理区域的主成分分析法（PCA）以及边缘强度估计法分别对空间函数标准差和灰度值高斯函数标准差进行估计。为了降低噪声对POCS算法的影响,本文利用非下采样轮廓波变换（NSCT）提取出具有方向系数的高频图像。以高频图像作为输入进行POCS重建后,经过反变换得到新的重建结果。实验证明本文的改进对POCS的重建结果具有消除伪影和提升信噪比的效果。（2）基于对贝叶斯理论和先验模型的研究,为MAP算法提出一种新的组合先验模型。该模型的第一部分是输入图像与其低尺度图像的梯度差,用于引入跨尺度先验信息,具有平滑作用。第二部分是基于L1范数的梯度项,用于保持细节信息。为了解决跨尺度先验项的非凸问题,本文引入了奢侈变量,采用二阶范数和一阶范数交替优化的方法使结果稳定收敛。（3）为POCS/MAP混合算法提出了一种基于混合稀疏表示框架（MSR）的分量分离先验模型。本文利用MSR分离分量的特点,对图像平滑分量和边缘分量分别进行建模。其中平滑分量采用抑制噪声的高斯吉布斯模型,边缘分量采用洛伦兹模型。实验表明本文提出的算法在不同的噪声情况下均具有较好的重建效果。本文研究的算法在相机成像质量欠佳,图像被噪声污染的情况下,具有重要的应用价值。在恶劣环境下对未知目标进行探测时,图像可能污染严重且难以获取样本图像,使用本文研究的算法可以在得到清晰图像的同时抑制噪声。在相机硬件设计有限的情况下,利用本文提出的算法可以恢复部分截止频率以外的信息,有效地提升图像的清晰度。