在图像重建和复原领域，图像分辨率是指获得该图像的成像系统的分辨率，它是决定图像质量的基本要素。随着图像技术的发展，人们对高分辨率图像的需求越来越强烈，这是由于高分辨率图像能提供有关目标更多的细节信息，更能充分地表现景物特征，这对于图像的分析和应用都非常重要。 当前获得高分辨率图像的方法主要有两种。一种是通过提高成像系统的分辨率来获得高分辨率的图像。主要途径是通过减小单个感光单元的尺寸，从而增加单位面积内的像素数量达到提高图像分辨率的目的。然而由于各种噪声以及传感器自身的物理特性等因素的影响，通过减小单个传感器尺寸来提高图像分辨率的方法会受到一定的限制。而对于普通的商业用途而言，使用高精度的光学部件和昂贵的传感器来获得高分辨率的图像，其成本太高，并不是一种经济的选择。另外，即使使用了高分辨率的成像设备，但由于需求地不断增长，依然需要进一步提高成像系统的分辨率，以期获得更高分辨率的图像。因此，仅仅通过改进成像设备来达到提高图像分辨率的目的总是有限的，我们还必须借助其他手段提高图像分辨率。利用信号处理方法，通过对一组低分辨率图像之间的信息融合，同样可以提高图像分辨率，这就是超分辨率图像重建技术。它已被广泛应用于高分辨率成像技术中，是目前图像处理最活跃的研究领域之一。 超分辨率图像重建的主要机理是：低分辨率图像序列可以看作是对同一幅高分辨率图像在不同位置采样的结果。由于低分辨率图像之间存在不同的亚像素位移，每幅图像都包含了关于高分辨率图像的新信息，通过发掘这些信息就能够从这组低分辨率的图像重构出高分辨率的图像。 超分辨率图像重建研究的主要内容有：准确的成像模型、精确的亚像素运动估计、重建框架、超分辨率重建的理论分析及应用等。对于超分辨率重建中的主要内容，本文开展了一些研究工作，本文工作的创新点有以下几个方面： 1．基于多优化目标超分辨率重建的概念，提出了多目标规整化图像与运动场超分辨率重建方法和隔行视频超分辨率重建。在贝叶斯框架下，论文推导了超分辨率图像重建的能量泛函。该泛函包括了两个优化目标：一个是图像的优化目标，另一个是运动场的优化目标。论文所提方法克服了超分辨率图像重建的病态特性; 2．提出了基于总变分的盲超分辨率图像重建的方法。论文通过分析低分辨率图像的成像过程，提出了基于规整化的盲超分辨率重建能量泛函。在求解时采用了交替最小化方法，并在迭代过程中，利用对图像和降晰函数的先验知识，对结果施加约束，最后得到了合理的结果; 3．提出了基于时空光滑约束的总变分最小化视频去隔行方法。试验证明，时空光滑约束可以有效克服去隔行问题的病态特性。在求解能量泛函时，论文采用了凸半二次规整化方法; 4．提出了基于棱边检测与运动补偿相结合的去隔行算法。论文利用棱边检测算子，将图像区分为棱边部分与非棱边部分，这样就较好地解决了图像中棱边部分去隔行和非棱边部分去隔行的不同要求。另外，论文提出的棱边方向检测模板具有较强的适应性，能在较大尺度上确定棱边的走向; 5．论文提出了三个评价标准。其中，分辨率深度标准可以定量评价超分辨率图像重建的效果。平均可分辨度标准和奇偶场对齐度标准可以定量评价去隔行方法的优劣。