高质量的图像是信息获取和精确分析的必备前提,是生产生活、科学研究和军事训练的必备条件。由于拍摄误差、传输噪声、外部拍摄环境等因素的影响使得图像质量降低,造成细节信息丢失、边缘模糊、纹理不清等问题。多帧图像超分辨率重建是利用同一场景下的多帧低清图像序列重建高分辨率图片,是图像处理领域的研究热点和难点。但是图像本身结构十分复杂,通常一幅图片中既存在边缘密集区域又存在纹理密集区域和平滑区域。现有的仅依靠改进先验模型的多帧超分辨率重建算法不能在保护边缘的同时充分地恢复纹理细节信息,从而导致大量图像信息丢失。在图像超分辨率重建,乃至信号重建领域,如何能够完美的恢复细节都是一个具有挑战性的工作。从观测模型和先验模型入手,深入研究了多帧图像超分辨率重建问题,深入探讨了观测模型和先验模型在重建图像边缘和细节中的作用,提高多帧超分辨率重建算法的准确率。针对多帧图像超分辨率重建中的保护边缘和恢复纹理细节信息等问题,提出了一种基于各向异性分数阶先验模型的最大后验概率超分辨率重建算法。与以往的基于最大后验概率的方法相比,该方法通过计算图像的局部特征,自适应地保护边缘,同时避免在平滑区域产生阶梯效应。分析了TV先验模型和H1先验模型分别在边缘保护和纹理保护中的优势,提出了一种混合先验模型,lmix先验模型。基于最大后验概率的方法不能自适应的求解正则参数,需要人工调整,而基于变分贝叶斯推断的方法可以在重建过程中联合考虑运动估计、超参数等,可以更好的提高重建效果。因此改用变分贝叶斯方法求解超分辨率图片。理论分析和实验结果表明自适应混合模型可以有效地重建图片,有效地减少人工干预,提高重建效率。信号降质普遍存在于生产生活的各个方面,建立准确、有效的信号观测模型是复原信号的基础。现有的观测模型是一种理想化的观测模型,无法有效地恢复图像在降质过程中丢失的信息。因此提出了一种新的观测模型,并以超分辨率重建为例分析。该模型将降质过程中丢失的信息整合到重建模型中,在重建图像时有效地估计图像的丢失信息。理论和实践证明该观测模型可以有效地恢复图像中丢失的信息,保护图像边缘和纹理细节信息。为了更有效地减少图像信息丢失,保护图像中的陡峭边缘和纹理细节信息,利用提出的观测模型和自适应非局部边缘保护模型重建图像。非局部边缘保护模型利用图像块间的非局部自相似性,在更大范围内寻找像素信息。该重建算法可以有效地保护图像细节信息,恢复图像丢失信息,减少人工伪迹。从多帧图像的超分辨率重建的先验模型出发,研究了边缘保护和纹理保护,创造性地在多帧超分辨率重建中提出了丢失信息估计算法和图像细节信息复原算法。该算法提高了多帧图像重建算法的实用性和鲁棒性,减少了重建误差提高了重建效率。