在现实生产和生活中,随着CCD和CMOS传感器的广泛使用,人们已经可以获得分辨率非常高的图像,但是由于硬件制作工艺水平的限制,如何利用软件方法低成本的增加当前的分辨率级别,日益受到研究人员的关注。超分辨率图像重构就是利用同一场景的多帧有相互位移的降质图像或视频序列来重构一帧高分辨率图像的技术。它旨在突破图像硬件设备的分辨率限制,充分利用多帧图像之间的互补信息进行数据融合,弥补由于在图像获取和传输过程中导致的空间分辨率下降,进而实现更加清晰的高分辨率图像重构。它不但能够改善图像的视觉效果,而且非常便于计算机对图像进行分析、处理和识别。目前在诸如安全监控医学诊断、军事侦察等领域都需要有既经济又容易实现的方法来得到各自所需求的高质量图像,这些应用也促使超分辨率重构成为图像复原领域的一个热点。本文首先对图像超分辨率重构技术的研究历史进行了回顾,介绍了目前图像超分辨率重构的各种主流算法。同时,描述了超分辨率重构算法的模型构建和基本步骤,包括图像的配准、插值和重构。探讨由一个彼此间存在相对运动的、模糊的、欠采样的、含噪声的低分辨率序列图像重构一幅高分辨率图像的理论和方法。主要内容有：在运动估计方面,分类总结了亚像素配准的基本原理和研究现状,实现并改进了基于刚体变换模型的Keren运动估计算法,实验结果表明该方法可以取得良好的亚像素配准精度。在重构算法方面,基于迭代反投影的超分辨率重构算法,本文构造并实现了一种改进的Robust重构算法,引入了正则化因子,减少了迭代次数,加快了算法的收敛速度,取得了较好的重构效果。