随着多媒体技术的发展,人们对视频图像的分辨率提出了更高的要求。高分辨率图像能提供目标物体的更多细节信息,这对于图像的分析和处理有重要作用。然而,传感器的物理限制及其造价问题,使得难于通过改进硬件的方法来提高图像分辨率,这时应用软件方法来实现图像超分辨率重建就成为自然的选择。视频图像超分辨率重建技术是指将多帧存在着变形、模糊、噪声、频谱混叠的低分辨率图像融合生成高质量高分辨率图像序列。主要有两种不同的研究方法：频率法和空域法。在未改变探测器物理条件的限制下,视频图像超分辨率重建技术能有效地提高视频图像的时空分辨率。因此,对其研究具有重要的理论与实际意义。论文首先综述了视频图像超分辨率重建技术的研究现状及其应用领域,在分析对比了频域和空域两种重建方法的基础上,给出了自己的研究观点,改进了重建技术中的一些关键算法,并通过实验验证了改进算法的优越性。主要内容如下：Ⅰ.视频图像超分辨率重建理论。介绍了序列图像的成像降质采样模型、超分辨率重建技术的理论基础、重建图像的质量评价标准；对比分析了频域和空域的图像超分辨率重建方法,并总结了这两种重建方法的优缺点。Ⅱ.基于运动估计的视频图像超分辨率重建算法。主要研究了视频图像超分辨率重建的关键问题——运动估计：基于块匹配的运动估计算法中通过引入了像素梯度差分的思想来改进块的匹配准则,提高了块运动预测的搜索精度；基于时空梯度的运动估计算法,给出了一种改进的Horn-Schunck法自适应光流估计算法,根据代价函数自适应地选择前向梯度与后向梯度,减小光流估计时的遮挡问题。最后给出的实验结果表明,上述两个改进均可提高重建图像的质量。Ⅲ.基于MAP的多边滤波正则化超分辨率重建算法。通过对多滤波函数的引进,将滤波对象由一阶梯度扩展到二阶梯度,从而更好地保护了图像物体的边缘纹理。最后给出的实验结果表明,这一算法能有效改善图像重建质量。Ⅳ.全文总结。提出自己对视频图像超分辨率重建的一些设想,并展望了这一技术的研究前景。