随着微电子系统向着高带宽、多功能、微型化方向发展，集成电路（Integrated Circuit,IC）上的I/O焊点呈现出高密度和精细间距的趋势。受现有商业成像传感器（CCD或者CMOS）有限像素分辨率的制约，IC封装设备中的机器视觉系统正面临IC图像有限光学分辨率难以满足IC封装工艺高精度视觉定位和测量需要的技术难题。为此，本文围绕改善IC图像分辨率这个主题，对模糊和严重噪声干扰下的保边缘图像超分辨率重建（Super-Resolution Reconstruction，SRR）、图像重建中的运动估计和迭代优化算法进行了系统研究，本文的主要研究内容和创新性工作概述如下：　　1、提出了基于感兴趣区域搜索的两步离散傅里叶变换计算的图像运动估计算法（ROI-2-DFT：Region of Interest-2-Discrete Fourier Transform），解决了图像超分辨重建中现有运动估计方法难以同时兼备估计高精度和计算高速度的难题。本文通过对图像归一化互相关功率谱极值存在的极小邻域进行两次上采样的DFT计算，快速定位到功率谱峰值，实现了图像水平平移和旋转角度的快速高精度估计。同时，该方法还具有计算内存需求少、对图像模糊和噪声鲁棒性强等特点。　　2、提出了基于总变差（Total Variation，TV）图像先验信息的IC图像超分辨率重建的保边缘贝叶斯理论框架（EBSR：Edge-preserving Bayesian Super-resolution），结合IC封装的实际工况，解决了IC封装设备中成像传感器像素分辨率不足和因敏感镜头景深存在的图像模糊问题。本文由图像的马尔科夫随机场描述与吉布斯随机场的等价性，引入TV图像先验信息模型，构建了图像超分辨率的保边缘贝叶斯理论推导。在不需要改变任何成像设备硬件的情况下，EBSR方法可以较好地重建出IC图像的高分辨率边缘信息，恢复出更多的图像结构特征，同时消除模糊提高图像对比度。随着IC特征尺寸越来越小，EBSR将有助提高IC封装设备机器视觉系统定位和测量精度，是实现高精度低成本IC封装潜在的图像预处理技术。　　3、提出了基于均值梯度的空间自适应TV模型图像超分辨率重建算法（MG-SATV：Mean Gradient-Spatially-Adaptive Total Variation），解决了在严重噪声污染情况下，图像先验信息TV模型在图像平坦和过渡区域引起的阶梯失真问题。本文由均值梯度准确提取出图像空间结构信息，构建了空间自适应加权矩阵，推导出了MG-SATV模型，实现了TV正则化在不同图像区域的自适应约束，在有效抑制噪声的同时最大限度地保留了图像边缘信息。　　4、提出了基于块中心差分（Centered-Cell Finite Difference，CCFD）离散的多V循环的多网格优化方法（3-V-Cycle MTGD：3-V-Cycle Multigrid），解决了图像超分辨率重建方法普遍存在的迭代计算效率低下的问题。该方法集成了CCFD离散近似高精度和多网格方法迭代误差速度收敛的优点，实现了大型线程方程组的快速求解。3-V-Cycle MTGD优化方法的计算效率比普遍使用的共轭梯度迭代方法高，CCFD离散比传统节点差分方法更有利于改善图像重建质量。该优化方法不仅可以应用于图像超分辨率重建，也可以推广到其他基于PDF图像处理的凸优化问题。并且，经过少许修改，便可在GPU或者FBGA上实施并行计算，进一步提高迭代优化的计算效率。　　5、构建了图像处理软件平台MV下的子平台——图像超分辨率重建应用平台FAMT_SRR，从边缘检测和视觉定位两个角度验证了本文所研究的IC图像超分辨率重建方法的卓越性能。重建高分辨率IC图像具有更丰富的结构信息，可以得到更准确的边缘检测结果。即使在模糊和噪声干扰下，重建高分辨率IC图像的视觉定位结果也可以与理想定位结果相媲美，偏差仅仅为10-2像素数量级。相对于低分辨率IC图像，重建高分辨率IC图像的定位精度有了很大的提升。