图像超分辨率重建(SR)是利用单幅或者多幅低分辨率(LR)图像来重建高分辨率(HR)图像的数字图像处理技术。近年来被广泛应用于各种图像处理领域。然而,在用SR方法处理图像的过程中常常会受到振铃效应的影响,重建的图像出现明暗相间的震荡波纹。造成振铃效应的原因通常是由于图像的边界信息截断或选用了不适当的反卷积模型。振铃效应严重影响了图像重建质量。鉴于以上原因,本文对基于振铃效应抑制的SR重建算法进行了研究,主要成果如下:1.讨论了SR重建算法的研究进展,对各种经典的SR算法做了概述,讨论了经典SR算法中存在的问题,并对振铃效应产生的原因进行了分析。2.针对运动模糊图像中PSF估计不准确带来的振铃效应,提出了一种基于PSF修正的振铃效应抑制方法。主要采用了新的PSF估计来代替经典方法中的PSF参数估计,并将PSF估计参数应用于改进的延拓和加窗方法,对图像进行预处理,再应用于自适应维纳滤波框架中进行图像重建。实验结果表明该方法对于边界振铃和边缘振铃效应有明显的抑制效果。3.针对泊松噪声图像的SR重建可能引起的振铃效应问题,提出了一种适用于泊松噪声污染的自适应TV正则化的IBP模型。主要提出了针对泊松噪声图像振铃效应抑制的自适应TV模型,并采用了能够抑制高斯白噪声的误差投影约束项,作为本文模型的正则项并代入改进的IBP迭代方法中重建高分辨率图像。实验结果表明该方法能够很好地抑制泊松噪声污染带来的振铃效应。4.针对基于重建的SR算法重建HR图像仍然不够清晰等问题,提出了一种基于双模型正则化的稀疏表示的单幅图像SR重建算法。该算法主要涉及稀疏表示的重建。利用样本学习构建子字典和ARMA模型,并自适应选择子字典和ARMA模型作为正则项,将图像的稀疏表示与正则项整合到MAP框架中进行优化。实验表明,比起许多基于重建的方法,该方法几乎不受振铃效应的影响,而且重建质量有了很大的提升。5.最后对本文提出的不同SR算法进行了总结和对比,分析了每种算法的优势和不足。