图像超分辨率重建是数字图像处理中非常重要的一种技术,能从一幅或者多幅低分辨率图像中重建出分辨率更高、携带信息细节更丰富的图像。由其定义可以看到该技术分为单幅图像超分辨率重建方法和多幅图像超分辨率重建方法,基于多幅图像的超分辨率重建技术是指在多幅低分辨率图像彼此之间存在子像素位移的前提下,利用多幅低分辨率图像序列之间的冗余信息,得到重建图像。该技术一直以来都是诸多学者的研究热点,经过学者们长期的研究,取得了很多的研究成果,使该技术在医学图像、军事遥感、安全监测等领域内得到了很广泛的应用。本文研究内容涉及到单幅图像超分辨率重建技术及多幅图像超分辨率重建技术,对单幅图像超分辨率重建技术根据算法仿真的实现结果进行分析,在研究多幅图像超分辨率重建技术的基础上提出了一种改进算法,并通过仿真实验及应用证明了改进的有效性。具体工作内容包括以下几个方面：首先在研究反演解析法理论的基础上,对基于噪声的反演解析算法进行了仿真实验,通过对比不同阶段去噪的重建图像结果证明在重建之前对图像进行去噪的必要性,并且用对比实验证明,目前存在的对重建图像进行主观评价和客观评价方法都有局限性,需要结合其他指标一起评估重建质量。其次对基于噪声的迭代正则化算法进行了研究,对不同的图片取不同的正则化参数值进行对比分析,在此基础上提出了如何选取合适正则化参数的方法。再者,研究了序列图像超分辨率重建算法的观测模型以及重建环节,较深入地研究了结构自适应归一化卷积算法的理论知识,发现原算法在各向异性测度函数阈值取固定值的做法存在缺点,本文提出了一种各向异性测度函数阈值通过计算获取的改进算法,通过对标准测试视频进行重建仿真,证明改进后的算法能够有效的改善重建图像的质量,提高重建图像的清晰度。最后,用Matlab实现了基于操作界面的车牌识别仿真系统,不但对比了改进算法和其他算法的重建图像效果,还将本文改进算法应用到了车牌识别技术中,通过改善车牌识别结果验证本文改进算法的有效性。