超分辨率复原技术是指通过信号处理的方法，将变形的、降质的低分辨率图像序列重建一帧(或序列)高质的高分辨率非变形图像，同时消除附加噪声以及由有限检测器尺寸和光学元件产生的模糊，弥补实际成像系统由于硬件实现条件和成本限制导致的分辨率不高的局限，并有效地改善成像过程的退化降质。这是一种既经济又容易实现的提高图像分辨率方法。智能交通管理已成为当前交通管理发展的主要方向，车牌识别技术是智能交通系统的核心技术。与车牌图像识别相关的彩色序列车牌图像超分辨率复原方法值得研究。本文的主要研究成果罗列如下：本文研究了车牌图像模糊辨识及解模糊方法。介绍了传统的图像解模糊方法和支持向量机理论知识，对比分析了支持向量机用于解模糊时相关参数不同寻优方法下的准确率，采用支持向量机对模糊车牌的模糊参数进行辨识，对模糊车牌图像的模糊类型进行分类；采用不同的复原方法进行解模糊，对采用不同的复原方法复原图像进行主、客观评价。本文对序列图像之间的运动估计进行了研究。介绍了图像配准原理及配准模型，并介绍了几种块匹配算法。块运动估计主要内容包括块形状与大小的选择、块匹配准则和块匹配算法三方面。本文在研究运动估计时，考虑到彩色空间特殊性，在灰度单通道空间、RGB色彩空间和HSI色彩空间，分别采用均方误差和平均绝对误差匹配准则，利用多种块匹配算法对序列车牌图像进行运动估计。根据实验数据，对比分析了在不同空间和不同块匹配准则条件下各种块匹配算法的性能，得出彩色图像运动估计的准确性跟选用的彩色空间和搜索准则有关，并得出彩色车牌图像最佳运动估计方法。本文对序列图像超分辨率重建进行实验。介绍了序列图像超分辨率重建模型和重建算法。对经过解模糊的清晰序列图像采用四种不同的图像重建方法进行超分辨率重建，对比分析了序列图像超分辨率复原图像质量的优劣。采用信息熵和平均梯度两个复原图像评价指标及重建算法所用时间，分析四种序列图像超分辨率重建算法的性能。本文还对未经过解模糊处理的模糊序列图像进行超分辨率复原，并将该种方法复原出的图像与经过解模糊处理后的序列图像超分辨率复原图像进行对比分析，得出模糊图像复原时先进行解模糊处理的必要性。