提高图像分辨率以及质量图像的重建技术对人类视觉和各种计算机视觉系统具有重要意义。作为图像复原的一个分支,超分辨率图像重建问题逐渐引起学者的广泛关注。遗传计算方法就是一种根据自然生物在计划过程中的基因的选择,以及其优胜劣汰的全局计算方法。这种方法计算起来比较简单而且能够容易被人们接受,不仅如此,还具有高稳定性,实用性强等诸多优点。这种方法在很多领域都得以应用。图象超分辨率复原,需要使用图象插值与图象复原技术,意味着在更高的分辨率栅格上复原图象,问题的病态性和解的不定性增加。由于遗传算法是用来计算那些空间比较复杂且多变的多维的空间。不仅如此,这种算法对事先设定好的约束都没有阻碍,可以达到固定的鲁棒性,目前在图像处理领域逐渐显示出其优越的性能。本文基于遗传计算方法,以图像还原为基础,研究的主要内容涵盖了以下方面,具体总结如下:第一,根据阅读相关文献资料简单的介绍了超分辨率图像重建理论的发展及现状,分析该技术数学和物理理论基础,并对常见的频域法、空域法等超分辨率重建方法进行了简单概述,在此基础上对各种方法的不足与缺陷进行分析。除此之外,对传统遗传算法的运算流程和特点进行了介绍和总结。第二,在上述的遗传计算法的基础之上,还提出一种新的并行超分辨率重建方法。此方法是在传统方法的基础之上,采用实值编码。不仅如此,还特别选择了迭代形式取代变异算子的计算方法,改进后的遗传算法可以结合遗传算法和其他算法的优点,并缩短收敛时间。分别对比了标准遗传算法、传统遗传算法、改进的遗传算法图像复原的结果,也证明了遗传算法可以用于图像的复原的可行性。第三,引入图像正则化技术,进而提出一种更好的计算方法即正则插值遗传算法,进一步提高分辨率。讨论了正则化参数的选取问题,正则项为常数和以噪声为参数时,通常会导致复原信号丧失了富含信息的细节部分。基于图像的局部信息,构建了具有空间自适应的正则项。实验结果显示,当加入正则遗传算法的时候,可以很大程度上改善图像分辨率,取得理想的复原效果。