不改变现存低分辨率成像系统,通过多幅互有位移、信息互补的低分辨率图像获取高分辨率图像的超分辨重构技术,一直是图像处理领域中研究热点之一,在刑事侦察、目标识别、医学诊断等领域具有广泛的应用。本文从图像超分辨机理分析入手,围绕图像的去噪、配准、重构模型及算法的设计,做了以下几方面的工作:分析了成像系统的降质原因,讨论了成像系统的模糊辨识问题,针对实测数据给出了一种有效估计系统降质点扩展函数的方法;分析了椒盐噪声的稀疏特性,以解的稀疏性为先验信息,给出了图像去噪的扩展模型和相应的求解算法。对于含椒盐噪声的图像,该模型具有显著的去噪效果,且能有效地保持图像特征。分析了运用子图集代替原图做配准的优势,提出了一种选取子图的方法,并对子图集进行了有效筛选。简化了相似性测度计算公式,分析了小波系数的特点,依据小波变换的多分辨分析特征,提出了一种图像由粗到精、逐步迭代的快速配准算法。该方法在稳定性和计算时间上,明显优于传统方法。基于寄生波纹先验提出了一种能抑制寄生波纹的超分辨重构方法。分析了寄生波纹产生的原因,针对配准误差、系统降质点扩展函数的估计误差以及噪声等引起的寄生波纹,采用增加寄生波纹惩罚项的方法,建立了图像超分辨重构的正则化模型。根据寄生波纹对图像不同区域的影响,给出了一种能够抑制寄生波纹的参数选取方法。相对于传统方法该方法在不影响图像边缘重构效果的基础上,能有效地抑制寄生波纹。提出了利用先验图像的灰度分布信息来进一步改善图像质量的超分辨率重构方法。分析了现有超分辨重构方法存在的不足,介绍了两种构造先验图像的方法。利用最小鉴别信息原理,引入先验图像信息作为超分辨重构的信息补充和约束依据,由此构造新的超分辨重构模型。基于置信策略,提出了一种选取正则化参数的方法。当选取的先验图像灰度分布信息与真实图像的相似时,其重构效果能够得到较大程度的提高;同时,相对传统的先验图像约束方法,该方法提出的灰度分布特征约束更加简单有效。