红外图像在生活中非常常见,在很多领域扮演着重要角色,但与彩色图像相比,红外图像立体感差,饱和度不够,且目前的红外成像技术探测能力有限,也无法像可见光成像那样具有很高的空间分辨率,所以对于人眼直接观察而言,红外图像远远不能满足视觉需求。本文针对红外图像的缺点改进了正则化算法,且提出了双正则亚像素卷积红外图像超分辨率重建算法与基于深度即插即用的超分辨率重建算法。主要研究内容包括:首先,由于用传统的正则化算法重建后的图像细节模糊、边缘不清晰,所以本文对传统正则化超分辨率重建算法进行了改进:首先,在重建前对图像进行多尺度细节增强;然后,对重建的目标函数添加另外一个正则项与自适应参数,用来增强图像边缘。根据实验所得数据可知,用改进后的正则化红外图像重建算法得到的图像主观评价指标和客观评价指标均有所提升。其次,由于正则化算法对单幅图像进行超分辨率重建时先验信息不足、特征提取不充分、将插值处理后的图像作为重建的输入增加了复杂度,为了解决上述问题,本文提出一种双正则亚像素卷积红外图像(MPSR)超分辨率重建算法,该算法将正则化与亚像素卷积相结合,将原始低分辨率图像直接作为输入:首先,对输入的图像进行正则化处理,增强细节与边缘;第二步进行特征提取与激活;最后在用亚像素卷积层来重新排列像素得到高分辨图像,所提不仅在原有的基础上那个改进了图像质量,算法训练速度也有所提升。最后,单幅图像超分辨率(SISR)方法主要是针对广泛使用的双三次退化而设计的,对于具有任意模糊核的超分辨率低分辨率(LR)图像,仍然存在着根本性的挑战,本文利用迁移学习的思想,将最新提出的深度即插即用去模糊模型迁移到超分辨率重建算法中,提出了一种深度即插即用双正则红外图像超分辨率重建算法(DMSR),根据实验得出数据可以看出,本章提出的算法与对比算法相比PSNR与SSIM值有明显提升,且针对任意模糊核表现稳定,图像细节信息的提升以及边缘的保持上明显优于其他算法,并能有效的减少噪声,提升图像整体亮度,主观视觉效果比改进前好。