红外图像和超分辨率技术是图像处理领域的研究焦点。本文将二者的结合作为研究对象,以超分辨率算法为中心展开研究。目前通用的超分辨率的定义是：根据同一场景的具有互补信息的多帧低分辨率图像处理得到一幅高分辨率图像的技术本文详细剖析了超分辨率模型,深入研究了超分辨率反解问题的不适定性,结合实验分析了超分辨率问题的病态成因,进一步的分析了数据误差对重建结果的影响。为将超分辨率问题转化为良性问题求解,引入正则化思想。本文针对红外图像,围绕图像配准及多帧图像的超分辨率的正则化方法这两个部分展开。在图像配准部分,本文在传统的块匹配方法的基础上,提出在最佳匹配点附近插值再匹配的思想,实现亚像素级的估计精度。针对LK光流算法,引入高斯金子塔对图像进行分层,图像由粗到细依次匹配不断的迭代修正运动矢量,解决光流计算精度较差的问题。在超分辨率重建部分,对正则化模型做一定的改进,提出自适应的正则化参数。本文考虑每帧图像的相对贡献量,在超分辨率模型中引入权重系数,提出该权重系数的求解方法,减少了因主观因素而引起的重建误差。实验结果的主观的判断和客观的评价指标分析表明,本文算法重建的图像取得了更好的视觉效果和更高的图像分辨率。实验结果初步验证了本文算法的有效性和优越性。