本文针对图像超分辨率重建技术领域中几种主要的重建算法进行了研究，并针对现存的一些问题提出了改进方法，本文所作的主要工作如下:首先，介绍了超分辨率重建技术的问题由来和基本理论，在此基础上对低分辨率图像的获取过程引入了一个通用的降质模型，并对几种主要的重建算法做了简单介绍和比较说明。其次，针对原始MAP(Maximum a Posterior)算法重建过程中正则项的引入使得重建结果模糊这一问题，提出了改进的基于形态学边缘保持的MAP重建算法。改进算法利用形态学理论中的膨胀和腐蚀设计了边缘保持算子，将该算子作用到正则项中参与重建过程以提高重建结果的边缘细节清晰度、抑制平滑模糊现象。仿真实验针对多幅不同图像进行，实验结果表明，改进算法重建结果更加清晰，具有较强的边缘保持能力。随后，针对原始POCS(Projection Onto Convex Set)算法在图像灰度边缘存在边界噪声的问题，提出了改进的基于投影修正的POCS重建算法。改进算法通过在每一次迭代过程中结合边缘约束和前后重建图像的差值获得投影修正算子，对残差阈值和点扩散函数进行修正，从而实现POCS超分辨率重建投影过程的修正。仿真实验分别针对无噪声图像和含噪图像进行，实验结果证明了改进算法在主观视觉效果和客观数据定量分析方面都优于原始算法。接着，针对原始IBP(Iterative Back Projection)重建算法的重建结果存在不同程度的振铃现象的问题，提出了改进的基于振铃抑制的IBP重建算法。为了抑制IBP算法的振铃现象，改进算法首先分析了振铃现象产生的原因，据此对投影过程中的误差矩阵的数值和局部方差的变化量设计了自适应的分析方法，重建过程中根据分析结果对误差矩阵进行约束。仿真试验分别针对无噪声图像和含噪图像进行，通过主观视觉效果和客观数据定量分析两方面证明了改进算法相对于原始算法的优越性，以及对振铃现象的抑制能力。最后，在对图像超分辨率重建算法进行研究的基础上，设计了基于OpenCV的超分辨率重建实验软件。该软件包含了三种经典的超分辨率重建算法（MAP,IBP,POCS）的过程参数控制和算法实现功能。