图像超分辨率重建是利用数字信号处理技术从多幅频域混叠、空域模糊并含有噪声的低分辨率图像中恢复出高频信息以及更多的像素点值，从而得到高分辨率图像的技术。图像超分辨率重建技术有广泛的应用前景，目前已成为图像恢复领域的研究热点之一。其中，亚像素配准算法、稳定有效的重建算法等是超分辨率重建研究的重点和难点。 本文的研究重点是正则化图像超分辨率重建算法，分析并提出了基于调整的核回归函数作为正则项的超分辨率重建算法。该算法根据图像自身数据主导方向信息，选取可变且为规则的窗函数，使核函数可以更准确地选择邻域上的数据，在更好的抑制噪声的同时更多地保持图像的高频信息。计算机仿真结果表明，在基于L1范数和MAP框架的前提下，基于调整的核回归函数作为正则化约束项的重建效果较基于拉普拉斯算子和双边滤波器算子等正则化方法有明显的改善，尤其当观察的低分辨率图像噪声方差较大时，改善效果更加明显。为实现亚像素级配准，本文还针对仅有刚体变换的图像序列，研究和提出了利用频域和基于矩形像素相结合的配准算法，减少配准过程中的运算量。 为加快重建算法的收敛速度，本文还对采用L曲线、变长步长和基于噪声方差的正则化参数方法以及迭代初值选取问题进行了讨论。理论分析和仿真结果均表明，在信噪比较高的情况下，L曲线方法要优于变长步长和基于噪声方差方法；在取得同样重建效果时，L曲线方法的收敛速度更快。但是在低信噪比情况下，基于噪声方差的方法的效果相对较好。