视频超分辨率技术可以融合前后帧的相关信息,重建高分辨率视频帧。在高清电视、网络视频、安防监控、军事侦察、视频实时传输等领域都有广泛的应用前景。视频超分辨率的效果受到重构算法、降质参数准确性的影响。基于最大后验概率的视频超分辨率通过引入先验约束,消除了高分辨率帧重建的欠定性。可以实现模糊核与运动矢量等降质参数与高分辨率帧的联合估计。论文介绍了基于最大后验概率的视频超分辨率的研究背景和研究意义,对视频超分辨率的研究现状进行了归纳总结,阐述了视频超分辨率的降质模型以及性能制约因素。论文提出了一种视频超分辨率的MAP重构改进算法,采用灰度与梯度恒定假设相结合的分层金字塔光流法求取各帧运动矢量,利用双边全变分正则化进行高分辨率帧重构。在重构代价函数中加入当前帧数据项进行指导,引入双向运动估计分别求取变形矩阵以及转置变形矩阵；针对运动估计的非理想性,提出的错误控制机制,以参考帧与经过运动补偿后的当前帧之间的差值为标准,构建置信掩膜与置信函数,削弱错误的迭代传播。实验结果证明,提出的MAP重构改进算法可以取得更好的高分辨率帧重建效果,对估计错误更具有鲁棒性。针对降质参数未知的情况,论文进一步提出了一种基于MAP混合模型的视频超分辨率算法,通过边缘概率密度最大化,对高分辨率帧,模糊核与运动矢量进行交替估计。对估计流程进行了改进,先求取低分辨率帧之间的运动矢量,插值放大到高分辨率网格。在进行模糊核估计与高分辨率帧重建后,对运动矢量更新量进行估计。提出一种模糊核MAP估计方法,无需进行坐标分解。针对参数未知的特点,提出的改进L1范数与L2范数混合正则化的重构算法,在迭代初始阶段采用L1范数增加鲁棒性,降质参数估计更准确后采用L2范数提升重建效果。实验结果表明,论文所提出的算法可以有效地估计降质参数,恢复更多图像细节。