超分辨率重建(SR:Super-Resolution Reconstruction)是近年来图像复原研究领域中的热点课题之一。它在不改变物理条件的情况下,融合同一场景下相邻帧之间互补的信息,通过信号处理的方法来提高图像的分辨率,在今后的工业、军事和日常生活中将获得日益广泛的应用。尤其随着通信技术的快速发展、压缩视频的广泛应用和视频压缩标准的陆续实施,研究压缩视频的SR重建正在逐渐成为超分辨率重建研究中备受关注的一项关键技术。本文主要围绕H.264压缩视频量化约束重建算法进行研究,并且对未压缩视频正则化重建算法也进行研究。本文首先对H.264标准的降质模型进行深入的研究并分析了H.264压缩标准中DCT性质,提出了一种H.264压缩视频的窄量化约束算法,并根据DCT系数分布和纹理特征对算法中的窄量化因子做了优化自适应处理,实验表明不同的序列在不同的QP值情况下,PSNR值平均提高0.6dB,当QP值较小时提升的效果尤为明显。其次本文章对H.264的量化噪声与运动估计关联性做了分析,给出了量化噪声分布和运动估计噪声分布,将量化噪声约束分别与空域的运动信息补偿、频域的运动估计噪声结合起来,对压缩视频进行超分辨率重建。实验结果表明重建后效果比单独的量化噪声约束重建算法更好,平均大约提高0.2dB。之后本文分析未压缩的视频序列的正则化算法的基本理论和若干重建算法,对正则化的函数的性质做了解析和论证,在已有的正则化函数基础上,提出新的正则化泛函函数,对Tikionov算法进行了改进,新算法有效的抑制了图像重建中纹理区域过度平滑的现象。实验结果表明新正则化算法在增加4%-5%运算时间的前提下,有效地提高了图像重建PSNR值和主观质量,尤其是对于纹理特性较多的视频序列。最后文章分析正则化算法的求解过程,当正则化系数较小时,在模糊函数的空域滤波后添加值域滤波函数,直接对误差项做正则化处理。文章的最后对4组实验结果数据做总结,并对研究工作做分析与展望。