远距离激光探测在军事国防、社会经济等领域有着广泛的应用,但是由于传统光电探测器的探测极限和远距离回波信号极度衰减等技术禁锢,使得难以继续从硬件方面提高探测空间分辨率,这给远距离主动成像带来了巨大挑战。在光学成像系统和光电探测器性能基本保持不变的情况下,超分辨重建技术无需优化硬件系统,就能有效改善分辨率实现高分辨率图像重建,具有显著优势。因此,基于低分辨率图像信息来进行超分辨重建从而提高成像质量的研究,受到学者们的广泛关注。本文旨在基于遗传算法的最优化估计模型进行超分辨率图像重建,其计算模型相对简单,易引入先验信息,具有更好的鲁棒性,可以取得较好的重建效果。基于遗传算法的超分辨率重建技术研究,目前主要是对已知高分辨率图像降质退化后进行重建仿真,验证遗传算法在超分辨技术上应用的有效性。但针对不同图像特性的超分辨技术分类研究还不是很多,尤其是针对激光远距离目标探测的超分辨应用研究更是鲜有问津。本文基于激光远距离目标探测应用实际,通过时域采样率来提高空域采样率,利用远距离探测成像过程中带来的亚像素图像扫描信息,将遗传算法应用到激光远距离探测图像的分辨率改善中。本文以激光远距离探测的CCD（CMOS）图像为主要研究目标,通过遗传算法解空间最优估计搜索模型,进行图像超分辨技术研究。首先研究了图像超分辨技术的理论基础,包括图像超分辨重建的概念框架、常用方法及评价标准等。进一步探讨了自由空间大气传输的特性,分析大气散射、大气吸收、大气辐射、大气湍流等效应对远距离主动成像探测带来的影响。利用激光远距离探测过程中,因自身扫描和大气扰动带来的亚像素图像扫描信息,采用块匹配方法进行图像亚像素运动估计和配准,并基于模仿生物群体自然适应演化进化模型的遗传算法,依概率引导解空间向最优解渐近收敛,从而实现激光远距离探测图像的超分辨重建。同时,针对激光远距离探测图像重建过程中出现的“早熟”“振铃”等问题,本文提出了评估图像边缘特征相似程度和图像自相似区域灰度方差作为约束项的遗传算法改进策略。通过像素值的连续性和变化性等先验信息对适应度评价函数进行改进,进一步挖掘图像本身的梯度信息。此外,通过引入自适应的线性搜索过程,提高了遗传算法的局部搜索能力,加快遗传算法网络全局最优估计的收敛速度。探测距离为5km范围内的超分辨成像实验结果表明,基于遗传算法改进后的激光远距离探测超分辨重建图像具有更为清晰的边缘细节表现,标准峰值信噪比和结构相似性等评价指标均有较大提高,对激光远距离探测产生的散斑噪声具有一定的抑制作用,在图像重建速度和质量方面具有更加明显的优势。