空间运动图像序列的增强和超分辨率重建是通过使用计算机对图像进行去噪、去模糊、目标检测、目标提取、增强、重建等处理的方法和技术,将光照不均、低分辨率的图像序列转化为高质量高分辨率的图像。本文主要研究空间运动图像序列的增强和超分辨率重建算法,解决运动图像中出现的噪声、模糊、光照不均和图像分辨率低的问题。论文完成的主要工作如下：(1)提出了一种基于Retinex理论的空间运动图像亮度增强算法。通过对现有算法的改进,可以消除或者减弱光照不均导致的图像或明或暗以及曝光过度或不均等问题。将亮度非正常图像通过高斯滤波器分解成入射分量和反射分量,改变入射图像分量与反射图像分量之间的比例来达到图像增强的实验目的。通过引入反射分量调整函数可以对平滑区域进行重点处理,提高运动图像中平坦区域的细节特征和对比度,而对锐变区域的影响较弱,对亮度不均的区域补偿处理。实验结果表明：提出的基于Retinex理论改进的亮度增强算法相比彩色多尺度Retinex和直方图均衡化算法,在MSSIM指标方面分别提升了15%和20%,在PSNR方面分别提升了5%和10%，在信息熵指标方面分别提升了7%和12%。(2)提出了一种快速高效的基于多曝光的高动态范围重建算法。引入曝光值检测函数,将不同曝光度的运动图像序列划分为高曝光图像、低曝光图像和合理曝光图像。亮度动态范围是影响图像视觉效果和丰富信息量的一个重要因素,对于低曝光图像通过亮度增强算法提高图像的亮度。将曝光值检测和亮度增强相结合,可以提高基于多源双向相似性的高动态范围重建算法的时间效率和图像块匹配的精确度,减弱图像重建过程中存在伪影和抖动的现象。实验结果表明：提出的基于多曝光的高动态范围重建算法相比彩色多尺度Retinex和基于图像块匹配的高动态范围重建算法,在平均结构相似度指标上分别提高了20%和10%,在峰值信噪比指标方面分别提升了11%和4%,在信息熵方面分别提升了8%和4%,在平均梯度指标方面分别提升了50%和30%。(3)提出了一种基于显著性目标检测的图像序列的超分辨率重建算法,该算法通过选择合适阈值将彩色图像转化为灰度图像,对图像序列中的运动目标进行检测和提取。通过Shearlet变换对目标区域增强处理,对图像边缘区域不做特殊处理。本章提出的算法提高了图像序列超分辨率重建的运算效率,而且重建过程不需要精确的运动估计,保持了图像的细节特征,过滤掉了高斯噪声,能够将一组低分辨率空间运动图像序列重建成一帧高分辨率图像。实验结果表明：提出的基于显著性目标检测的超分辨率重建算法相比迭代反向投影算法、POCS算法和Papoulis-Genchberg算法,在峰值信噪比指标方面分别提高了7%、8%、9%,在MSSIM指标方面分别提高了4%、3%、3%。在信息熵指标方面分别提高了4%、7%、6%。(4)’开发了一个基于空间运动图像序列的增强和超分辨率重建系统,对基于Retinex理论改进的亮度增强算法、基于多曝光的高动态范围重建算法和基于显著性目标检测的超分辨率重建算法进行验证,验证结果表明本文提出的上述算法处理运动图像序列具有较好的效增强和重建效果,能够保证为空间合作提供具有高质量信息的运动图像。