图像空间分辨率作为衡量天文成像系统性能的核心指标,直接决定能否实现全天候、多目标和高清晰度的观测需求,然而天文成像过程受到系统像差、大气湍流、高度真空和极端温度等众多因素影响,不可避免地造成实际观测天文图像的空间分辨率大幅降低。通过“硬件途径”提高天文图像空间分辨率的效果极其有限,因此本文研究如何利用超分辨率重建技术突破天文成像系统自身的理论衍射极限,尽可能地复原目标天文场景本来面貌且改善其清晰度。本文首先介绍图像超分辨率重建算法的提出、基本原理和国内外研究现状,并围绕天文成像过程的主要退化因素,探讨关于天文图像超分辨率重建任务的观测模型、具体制约、技术途径和评价体系,研究并解决序列混叠天文图像配准、非均匀采样数据融合、解卷积、退化函数联合估计和稀疏建模等超分辨率重建子问题。本文的主要研究内容及贡献归纳如下:针对观测天文图像中存在噪声污染,空间混叠和强方向性等特点,提出基于空间变换模型的可参数化全局图像配准算法,结合基于频率域和空间域的亚像素运动参数估计方法完成序列混叠天文图像的配准过程。通过计算待配准天文图像的频谱分量函数及其互相关函数曲线最大值完成旋转角度估计,根据相位谱变化矩阵建立线性回归模型,采用最小二乘法求解超定矩阵方程,减少天文图像噪声对平移距离估计的影响。最后,利用基于M型金字塔结构的空间域配准算法实现对小角度旋转的精细估计。针对天文观测过程中存在的噪声或异常值等退化因素,提出基于改进归一化卷积框架的超分辨率重建算法。采用基于高斯函数和拉普拉斯函数的混合函数作为确定性函数,实现对噪声和异常值的同时抑制。根据高斯平滑处理后的图像计算结构张量并提取有效局部结构信息,结合尺度空间参数构建具有抗噪能力的结构自适应适应度函数,并将确定度函数和适应度函数引入基于二次多项式的面元模型以完成非均匀采样数据的融合复原。最后,采用Tukey范数取代2L范数或1L范数作为数据保真项,抑制各类噪声对重建结果的影响并提高解卷积过程的鲁棒性。针对“分而治之”框架下超分辨率重建算法无法避免估计误差,且不能及时修正和调优等问题,提出基于多层先验分布的分层贝叶斯“联合估计”框架,结合贝叶斯公式和变分推断方法,分别求解原始图像和退化函数的后验分布及其具有封闭形式的变分分布,利用待求变量之间的互相制约关系,通过数值迭代计算获得所有概率分布参数的最优估计。另外,采用复合统计先验模型对天文图像进行局部描述,最大程度复原天文图像特有的纹理特征和几何结构。针对序列天文图像采集数量不足引起的不适定性问题,提出基于自适应稀疏性先验模型的单幅观测天文图像超分辨率重建算法。通过提高梯度算子提取样本图像中边缘和纹理等几何结构的丰富程度使其具备旋转不变性,考虑不同训练样本之间的共性特征并结合K均值聚类算法和K-SVD算法构建具有特殊指向的过完备对偶子字典,同时根据图像块高频信息采用主成分分析完成对偶子字典的自适应选择,最后,利用非局部稀疏分解均值对稀疏编码误差进行约束以改善输入图像块稀疏分解精度。综上所述,本文对现阶段天文图像超分辨率重建涉及的基础理论和算法设计进行了详细分析和具体改进,重点解决了复杂天文成像环境下的插值、去噪、去模糊、抑制混叠和图像配准等相关子问题,然而,在实际执行大视场动态观测或多色巡天观测任务时,仍存在局部运动、盲去模糊和深度学习算法应用等问题亟待解决和深入研究。