目前在遥感成像、医疗诊断和公共安防等领域中,需要通过高分辨率的图像获得更多的细节信息,但是由于图像采集设备的分辨率限制,会使数字图像的清晰度受到影响。图像超分辨率重建是解决该问题的一种有效手段,它利用多幅低分辨率图像之间亚像素级的非冗余信息重建出一幅或几幅高分辨率的图像。图像超分辨率重建由三个基本环节构成：图像配准、插值重建和图像复原,本文在对超分辨率重建技术进行分析和研究的基础上,从这三个环节出发,围绕基于规范化卷积的非均匀插值重建算法,在运动目标跟踪、图像配准以及调制传递函数(MTF, Modulation Transfer Function)估计等方面展开研究：1)基于颜色和边缘信息的均值漂移(MeanShift)目标跟踪算法。在视频监控图像中,目标与背景的运动形式通常不一致,针对这种情况,本文给出了一种改进的MeanShift跟踪算法,提取各帧中的运动目标,使图像之间的运动关系由局部运动转换为全局运动。与传统的MeanShift跟踪算法相比,改进算法通过颜色和边缘信息共同表征目标,提高了跟踪结果的准确性,为配准算法提供了迭代初始值。2)改进的6参数Keren图像配准算法。考虑到基于刚体变换的传统Keren配准算法并不能很好的反应实际情况中图像之间的运动关系,本文将算法中的3参数刚体变换模型转化为6参数仿射变换模型,使图像在发生大角度旋转或者尺寸变化时,配准算法依然能得到准确的结果。3)基于刃边法的盲图像复原算法。本文在图像复原阶段,首先通过非局部均值滤波去除图像噪声,然后根据图像中刀口状边缘进行模糊辨识,估计成像系统的调制传递函数(MTF),并利用其进行图像复原。与其它复原方法相比,本文方法能够显著提高图像清晰度。仿真数据和实际数据实验表明,本文所给出的算法能够取得较好的效果,与其它典型算法相比具有一定的优势。