因为摄像硬件设备限制或者摄像条件等影响，会导致图像质量低下、边缘不明显。单方面地提高硬件设备的成像精度会增加产品的成本，而且也不能彻底解决成像环境的干扰。超分辨率重建技术的提出无疑是解决这一难题的最佳途径，既能合理避免因改进成像系统造成的浪费，又能有效提高图像质量。迄今为止，超分辨率重建技术已得到深入研究与广泛应用。然而专门针对文档图像的超分辨率重建算法尚在少数，且现有方法在重建文档图像方面存在很多缺陷，为此本文针对基于正则化的文档图像超分辨率重建技术的理论和应用做了深入研究和全面分析，主要内容包括：(1)研究了自然图像与文档图像的区别，分析文档图像两大特有属性：灰度值双峰分布和梯度值分段光滑。然后根据这些特点，列出针对文档图像的数学重建模型。(2)具体研究了金字塔分层原理以及光流场参数估计方法，验证了计算光流场的过程本质上就是一个求解线性系统的过程。最后在经典光流场计算方法的基础上改进了算法，使用自适应迭代法代替了传统的一阶Taylor级数。通过对实验结果的观察与分析，表明本文改进算法计算精确度更高，完全适用于文档图像重建阶段的配准。(3)分析了Geman&McClure范数的函数特性，并将其加入到目标函数作为数据拟合项，通过实验验证了其优越的鲁棒性。对双边全变分BTV正则化项理论基础进行推导，将Huber函数先验模型引入正则化项进行设计改进，在理论上验证了其边缘保持性能，并列出了本文算法具体实现步骤。最后根据本文提出的算法与现有算法针对普通文档图像和古代污损文本图像分别进行实验比较，验证了本文算法可以有效采用低分辨率文档图像的特性，合理运用字符构造特点的先验知识。说明了本文算法在同样的应用环境中可以更加有效地保护边缘，消除各种类型的噪声干扰，显著提升低分辨率文档图像中的字符识别率同时缩减执行时长，适用于各类低分辨率文档图像。(4)分析了车牌识别相关重要模块，包含图像块边缘检测、区域定位与字符分割等。随后在车牌字符分割这一步骤前合理地引入本文提出的算法，用以提高字符图像分辨率。最后通过实验证明本文算法适用于远距离车牌识别：能够有效地增强远距离车牌图像的分辨率，加大车牌识别的适用距离，使车牌识别系统整体性能大大提升。