高分辨率图像在测绘、军事、民用领域一直有着迫切的需求,高分辨率遥感影像的获取技术是遥感领域人员研究的重要课题之一,然而在获取过程当中,图像会受到各种降质因素影响,无法完全满足应用需求。超分辨率(Super resolution,SR)重构技术可以在现有的成像系统基础上,利用信号处理知识,由单帧或多帧低分辨率图像,重构出具备丰富细节和高像素密度的高分辨率图像,已经在众多领域广泛应用,是图像复原领域最有前景的研究方向之一。本文首先介绍了超分辨率重构课题的研究意义、现状和发展趋势;系统阐述了超分辨率重构的理论依据、遥感影像成像技术、经典算法类别和理论架构、重构评价方法;基于特征点检测理论,研究亚像元配准方法及其并行设计;以空域正则化算法为主线,应用偏微分方程和基于稀疏表示的学习理论,实现单帧和多帧算法的超分辨率重构。本论文在提出多种超分辨率重构技术相关算法,取得一定理论创新的基础上,进一步将研究成果应用于遥感领域的面阵和线阵影像中进行实际工程应用。本文的研究成果以及创新点包含以下方面:1.提出一种针对多帧图像的帧间配准算法及其并行化设计方法。该算法实现了基于自适应梯度双边张量滤波的改进型特征点检测,进行多尺度扩展,剔除冗余点,并进行加权高斯曲面亚像素插值,生成描述子进行配准,更好地保证配准精度。此外,在图形处理器平台和多核CPU平台分别基于统一计算设备架构和OpenMP进行算法操作级和任务级并行设计,有效提高配准速度。2.提出一种结合非线性各向异性张量扩散和改进梯度矢量流连续性约束的双正则项多帧超分辨率重构算法。该算法基于偏微分方程的设计思想,首先基于非线性扩散张量构造正则项,充分利用其方向选择平滑特性,更直观地刻画在平坦、边缘、角形结构区域的滤波性能,使得在重构求解过程当中,求解方向在边缘及纹理区域沿着切线方向优化,在梯度方向限制其优化。其次提出改进的梯度矢量场一致连续性正则项,可以对高低分辨率图像进行更好的一致连续性约束,在对噪声具备鲁棒性的同时,对纹理结构信息进行更好的保留。3.提出一种改进初始聚类中心的K-PCA自适应字典学习算法。该算法结合非局部均值非线性张量滤波和非线性扩散张量保边核回归两项正则项约束进行基于学习的单帧超分辨率重构。首先基于结构张量空间特性测度度量进行聚类初始中心的筛选,其次同时考虑灰度和几何结构相似度量,结合非线性张量、双边张量和模糊熵,提出非局部均值的改进正则项,并提出基于非线性扩散张量核回归和Gaman-McClure核函数改进的重构约束项,进行仿真实验分析,并将该算法重构的结果作为多帧图像重构的初始输入,进行多帧重构算法应用。4.提出一种基于偏微分方程统一框架的单帧超分辨率重构算法。该算法充分结合局部边缘结构和纹理保持特性分析、高阶张量分析、多方向估计分析、梯度向量场和非线性张量扩散分析,能够更好地适应各种噪声强度的图像重构。基于各向异性非线性结构张量的方向扩散项,综合考虑各通道信息防止奇异结果的发生,取得了较好的边缘纹理保持和图像去噪效果,高阶结构张量可以更准确地估计角点和结构信息,多方向估计通过求解二次多项式将混合方向参数分解为两个方向,改进的冲击滤波器可以更好地实现噪声情况下的边缘增强。5.在以上并行亚像素配准算法、基于偏微分方程的多帧和单帧超分辨率重构算法、基于稀疏表示单帧超分辨率重构算法提出并实现的基础上,结合实测遥感面阵和线阵影像,进行全部算法的工程应用分析。实验结果表明,基于并行设计的改进型特征点配准算法针对遥感影像取得了配准精度和配准速度的两方面提升,基于偏微分方程和学习的重构算法对于遥感影像超分辨率重构的实现取得了主观和客观两方面较好的重构结果。