近年来,随着科学研究和实用技术的不断深入发展,人们对高分辨率图像和视频的需求日益增长。但是,在实际的获取过程中,获取得到的图像和视频通常会受到多种降质因素的影响,难以满足实际应用的需求。超分辨率重建技术(Super-resolution,SR)可以在现有硬件水平下对已获得的图像和视频进行处理以提高其空间分辨率,这种图像处理技术不需耗费高昂的成本,.便可取得较好的处理效果,具有很高的研究价值,因此获得广泛的关注。其中多帧图像超分辨率重建技术是通过对多幅具有互补信息的低分辨(Low Resolution,LR)图像进行处理,重建得到一幅高分辨率(High Resolution,HR)图像,在安全、监控、计算机视觉、军事侦查、医学成像等领域有重要的应用价值。本论文第一章节介绍了 SR重建技术的研究意义和现状;然后针对多帧图像超分辨率重建中的亚像素位移图像获取和多帧图像重建这两个关键问题,重点研究亚像素位移图像获取条件、图像边缘信息保持、多帧图像多频率重建等问题。在此基础上,本论文取得一定的创新性研究成果,并提出了三个多帧图像重建算法;本论文的研究成果主要包括:(1)提出了一种融合梯度约束的POCS多帧图像重建算法。该算法利用原始低分辨率图像边缘信息的完整性,在重建过程加入边缘信息梯度约束,保留LR图像的纹理和边缘信息,从而减轻重建图像边缘模糊现象。其中基于边缘检测的梯度约束方法包括边缘检测、梯度计算、梯度误差计算三个过程。实验证明,本算法一定程度减轻了重建图像边缘模糊,使图像更加清晰,有利于减轻重建过程中对边缘高频信息的损失。(2)提出了一种基于配准的多帧亚像素位移图像重建算法。该算法首先利用SIFT-FLANN与误配准点剔除相结合的配准算法(SIFT-FLANN Error Rejection,SFER)进行图像筛选,得到位移关系已知的亚像素位移图像序列;然后通过对重建过程中亚像素位移误差对重建结果的影响分析,使用一种基于局部区域点修正的多帧重建算法。实验证明,提出的图像获取方法可以获得配准精度较高的亚像素位移图像源,提出的重建方法可以得到细节信息突出、视觉效果更好的高分辨率图像,且可以修正配准误差导致的重建图像信息“偏差”的问题。同时针对图像重建阶段重建倍数、低分辨率图像数量对重建图像的影响进行了分析,进一步说明该方法的有效性。(3)提出了一种基于权重小波变换的多帧图像重建算法。该算法利用小波变换的多频率、多尺度性质,把低分辨率图像分解成高、低频子图,并根据高、低频子图自身的图像特征使用不用的重建方法进行多帧图像重建,最后使用基于平均梯度的权重小波逆变换方法对高、低频子图重建后图像进行小波逆变换,得到最后的重建图像。实验证明,通过这种多频率的处理,可以从不同尺度“挖掘”图像的特征信息,在低频信息不丢失的情况下,获取得到不同频率段的高频信息,从而得到边缘清晰、信息丰富的图像。