随着红外图像在军事国防、居民生活等领域的广泛应用,提高红外图像分辨率已经成为人们研究的重点。微扫描红外成像技术对于红外图像分辨率的提升有很大帮助,但由于硬件条件的限制,难以继续从硬件方面提高图像分辨率,超分辨重建技术可以处理具有互补信息的多帧低分辨率图像,而在无需更改硬件系统的条件下来重建一幅或多幅清晰的高分辨率图像。所以,利用已有的多帧低分辨率红外图像信息来进行超分辨重建并提高图像重建质量成为研究的热门话题。本文以微扫描红外图像为主要研究目标,从基于重建和学习的方法角度入手,进行红外图像超分辨研究。首先对微扫描红外超分辨率成像理论基础与现有技术进行理论研究,包括红外成像技术、微扫描技术、图像超分辨重建方法和评价标准等。随后,针对微扫描红外图像特点对多帧图像超分辨算法——凸集投影算法(Projection Onto Convex Sets,POCS)进行改进,包括运动估计以及图像边缘增强。其中,针对微扫描红外图像存在亚像素位移以及旋转的特点,选取相位法作为研究,采用窗口函数以及Fourier-Mellin变换进行减小混叠的影响和提高运动估计精度;在参考帧修正方面,采用后处理,引入基于学习的方法降低点扩散函数所带来模糊的影响,提高红外图像边缘和细节保持能力。最后,根据基于学习的单帧重建法和视频超分辨重建方法,利用单帧和多帧超分辨率联合的思想,采用递归反投影网络设计了针对4帧低分辨图像输入的超分辨重建,扩大红外图像样本库,并通过计算得到的残差增加细节,获得边缘清晰且细节丰富的高分辨率图像。多组实验结果表明,在运动估计部分,本文改进并应用的运动估计算法精度可有效提高POCS算法的重建效果。相较于传统重建算法,引入基于学习的后处理可以有效地改善POCS算法重建后的边缘模糊现象,提高边缘轮廓清晰度。基于学习的多帧红外图像超分辨实验结果与其他方法对比,在主客观视觉上有清晰明显的优势。重建后的图像主观上具有更为清晰的边缘细节表现,图像效果接近原始真实图像,在客观评价标准峰值信噪比和结构相似度上也得到了一定的提升。