图像已然成为当前传递信息的主流载体,并且随着人工智能时代的到来,人们对图像的需求也不再仅仅只是可视、清晰,而是朝着更高分辨率、更多细节迈进,目前,从市面上出售的具有摄影功能的电子产品来看,几乎已经很难找到低分辨率、画面质量差的设备了,然而,某些时候由于受一些物理条件的制约,我们无法获取更多图像细节的信息,这时就可以利用超分辨率图像重建技术,它可以帮助我们获得超越拍摄设备光学截止频率之外的内容,从而构建出更高分辨率的图像,看清更多图像细节。本文从这个目的出发,研究如何构建一个多帧序列图像超分辨率重建系统。序列图像的重建原理是牺牲时间分辨率来提高空间分辨率,在已经得到画面质量良好、分辨率高的序列图像的前提下,系统处理的流程分为图像匹配、图像插值和图像重建三步。图像匹配阶段本文使用尺度不变特征变换,简称SIFT,利用该方法对图像内容进行特征匹配,对于序列图像匹配处理过程中常常容易被忽视的灰度匹配问题,提出一种基于SIFT双边匹配统计量辐值校正的方法。图像重建阶段使用凸集投影法,简称POCS,针对目前普遍对POCS方法理论论述不够充足的情况,本文整理了该方法用到的所有理论,对其数学原理做了结论性的具体论述。本文首先综合介绍了超分辨率重建问题的历史背景、研究意义、基本概念和当前的发展情况,确立本文研究的立脚点:本文使用的实验数据来源于用高清设备拍摄的真实场景下序列图像,重建的目标是利用本文叙述的超分辨率重建系统获得超越拍摄设备系统光学截止频率的更高分辨率图像。对超分辨率处理系统涉及到的内容做全面概述,指出在此研究中要解决的关键问题,围绕这些问题,从系统的角度出发,分别详细讲解图像匹配模块和图像重建模块使用的算法和做出的改进,最后给出序列图像超分辨率处理系统的算法流程,并用实验证明,利用本文论述的多帧序列图像重建系统重建出的图像,已经达到我们想要的目标。