序列图像的超分辨率重建是从多幅含有互补信息的低分辨率图像来重建一幅高分辨率图像的技术,它能改善图像获取和传输过程中导致的图像降质,从而得到更清晰的高分辨率图像。该项技术是图像处理技术的一个重要分支,不仅在遥感、军事、公共安全、医学成像、多媒体视频压缩等领域中有十分迫切的需求,而且在理论上具有重要意义。虽然近些年相继涌现出一些有价值的研究成果,但由于超分辨率重建本身的复杂性,目前仍存在大量问题有待进一步深入研究。本文首先对超分辨率重建的研究背景、意义和超分辨率重建频域及空域的各种算法进行了介绍,并分析和比较了各种算法的优缺点,结合图像退化模型,选择了一种基于最大后验概率(MAP)的重建算法。MAP算法为图像的最优估计提供了良好的框架,理论直观,可以更加有效的结合先验信息,重建出高分辨率图像。其次在进行超分辨率重建前对低分辨率图像进行了数据预处理。采用一种对序列低分辨率图像中不良帧进行剔除的方法,以提高超分辨率重建的效果及稳健性;讨论了序列图像间的运动参数估计问题,并采用了一种改进的三步搜索算法,通过和其他算法的比较,证明该算法在保证搜索精度的同时能大幅度缩短搜索时间。最后合理选择了图像统计模型,并依此模型建立了重建问题的目标方程,选用了一种快速求解方程的迭代方法,在迭代的第一步采用了一种基于双线性插值的改进方法,使插值后的图像边缘部分线条平滑,细节部分依然清晰。由于初始值选择得当,使得运算得以简化,在保证图像质量的前提下,解的收敛速度得到提高。实验结果表明,改进的运动估计算法不但所用时间大幅度降低,而且搜索精度比新三步搜索法、菱形搜索法等常用算法略为提高;改进的插值算法能有效的保持初始图像的边缘特性,而且计算量比较双线性插值法没有明显提高;在序列图像重建实验中,本文算法在保持了图像质量的前提下,解的收敛速度加快,耗时比常见的Huber-Markov法明显减少,提高了算法的稳定性,降低了计算量;最后从主观和客观两方面对重建图像进行评价,得到了比较客观、稳定的评价结果。