超分辨率重建技术是通过融合多帧同一场景的低分辨率图像得到一个更高分辨率、更清晰图像的技术，是图像增强的主要分支。但是现存算法仍存在着噪声鲁棒性不强的问题，算法难处理除高斯白噪声以外的其它类型噪声，如脉冲噪声等；同时，边缘保留性能也是超分辨率算法追求的重要目标。针对超分辨率的鲁棒性和边缘模糊等方面问题，进行了两方面改进。首先，为了使算法能适用于脉冲噪声模型，在图像重建过程中，借鉴了图像去噪领域的同类组思想。从像素可靠性方面入手，使用同类组方法为每个像素分配一个权值，这个权值代表当前像素和邻域像素的相似度，然后将这些相似度度量融合到高分辨率图像重建中。另一方面，传统的双边全变分正则化方法给所有像素都赋予相同参数，没有考虑像素属于噪声的可能性，因此结果对噪声点处理不好，而改进的算法通过每个像素的可靠性对正则化式的保真项进行约束，从而更好地保持了那些可靠的低分辨率图像特征，同时有效地去除了那些不可靠的低分辨率图像特征，提高了高分辨率图像的图像质量。实验证明，提出的方法在取得良好的超分辨率结果，对于图像边缘保留性能显著，还具有良好的噪声鲁棒性，不仅适用于大多数算法使用的高斯白噪声框架，还适用于那些散粒状特异值类型的噪声，如脉冲噪声等。同时，算法思想基于空域的小范围邻域像素间的相似性度量，实现简单，也节省了大量的运算成本。