随着Harris等人从理论上证明超分辨率恢复的可行性以来,围绕图像超分辨率重建的研究就一直没有间断过。起初,超分辨率的研究是沿着傅立叶光学理论而进行的。然而,随着超分辨率应用范围的不断扩大,其研究方法也不断丰富起来。从单幅图像到单幅图像的超分辨率重建,发展到多幅图像到单幅图像的超分辨率重建,进而发展到现在的序列图像到序列图像的超分辨率重建。这一发展的一个典型的例子就是从单一遥感图像获得更高分辨率的观测,发展到从多幅遥感图像获得更高分辨率的观测。超分辨率重建的应用领域也由原来从遥感信息处理发展到对其他类型图像信息进行处理,比如监控系统所获得降质图像的超分辨率重建、通过小容量信道获得的降质序列图像的超分辨率重建等等领域。面对着如此广阔的应用前景,目前超分辨率的研究远不够成熟和系统,不管从理论上还是具体的算法设计上仍存在着大量的工作需要进一步发展和完善。本文主要是从算法的推广、成像模型的改进以及超分辨率评价准则三个方面对超分辨率研究进行完善和改进。文章的首要部分简单介绍了超分辨率技术的发展状况,指明了它在军用和民用各领域中的应用,详细综述了目前关于该技术的主流方法,指出了这一技术所面临的困难和未来的发展方向。在接下来的算法研究中,本文着重对传统的POCS算法进行改进,提出了一种推广的POCS算法。该算法将噪声的统计特性引入到投影迭代的限制条件之中,使得该推广的POCS算法具有很好的去噪声能力。目前绝大多数的超分辨率恢复都是针对空间不变模糊降质进行的,而实际的降质过程多是各种模糊降质同时存在,或者图像中各个像素模糊程度不同的。本文推广的POCS算法正是针对各个像素模糊不同的情况而设计的,即对空间多样性降质的恢复是本算法研究的重点。试验表明,本文推广的POCS算法在消除空间多样降质方面优于Wiener滤波,并且在多幅图像到单幅图像超分辨率重建方面优于双线性插值。在成像理论的研究方面,本文指出原有Harris理论的不足之处,并创造性的引入加窗过程,改进了数字图像的成像模型。在此改进模型的基础之上,通过对成像过程中不同阶段信号的频谱进行分析,指出数字图像频谱的混迭是除极限衍射频率之外的又一个影响数字图像分辨率的主要因素,并在混迭的基础之上,探索性给出了数字图像分辨率的定义。这一部分的研究还通过比较同一场景的不同分辨率图像的离散傅立叶系数来验证数字图像的频谱是混迭的。本文的最后研究了目前鲜为涉足的有关超分辨率重建的评价准则问题。针对同一<WP=4>场景的不同分辨率图像的离散傅立叶系数,本文提出了一种比较频谱相似程度的准则——频谱偏差度。针对这种新的评价准则,使用双线性插值和本文提出的推广的POCS算法进行对比试验,结果表明,频谱偏差度基本可以对不同算法的超分辨率重建结果进行合理的评价。