图像超分辨率(Super-Resolution,SR)重建技术是指通过提取多幅低分辨率(Low-Resolution,LR)图像的图像信息,消除各种影响图像质量的噪声和模糊,重建出质量更清晰、分辨率更高的图像。在数字图像的采集与处理过程中,存在诸多不可预知的噪声及退化因素,从而使得超分辨率重建成为一个病态逆过程。而一个图像模型是一个附加的先验知识或约束,可以使其规整化。因此图像先验模型的选取对重建结果非常重要。本文以图像重建先验模型的选取为研究主线,重点研究了基于Markov随机场(Markov Random Field,MRF)先验模型的重建算法,对于各种基于MRF先验模型的重建算法进行了深入的分析与实验对比。针对现有的MRF先验模型的优缺点,提出了一种基于新的势函数构建的MRF模型,使用该模型进行重建能在抑制图像噪声的同时,保存更多的图像边缘细节,重建图像的峰值信噪比和结构相似度均验证了新算法的有效性。广义MRF模型通过使用双边滤波使得图像中的边缘信息得到加强,在进行图像噪声平滑的同时能更进一步的保持图像的边缘信息。本文将新提出的MRF模型扩展到广义MRF模型,使用双边滤波对其加以改进,实验证明该改进能获得更好的重建结果。