超分辨率(Super-Resolution,SR)图像重建是目前信号处理领域中最为活跃的研究方向之一,它通过对多幅具有相对运动的低分辨率(Low-Resolution,LR)图像进行处理,在融合低频信息的基础上,对混叠的高频信息进行复原,从而产生一幅接近退化前的理想高分辨率(High-Resolution,HR)图像。它不但可以突破现有成像系统的分辨率极限,而且还能提升几乎所有数字图像处理系统的性能,因而在医疗、遥感及监控等领域都具有十分重要的应用。目前提出的超分辨率重建算法大致可分为两类:频域法和空域法。空域法在利用图像先验知识及一般噪声模型等方面较频域法有先天优势,是超分辨率重建中的主流算法。基于贝叶斯理论的最大后验概率法(Maximum a Posteriori,MAP),有着严密的数学背景和相对成熟的数学理论作支撑,获得了极大的关注与发展,是空域法中最为成功的算法之一,然而其在实际应用中仍存在着一些缺陷,如边缘保持能力弱,收敛速度慢等。本文在系统分析当前主流估计器模型结构的基础上,借鉴双边滤波的原理,提出了一种纹理自适应的超分辨率重建算法。算法在每次迭代时,提取重建图像各像素间的亮度变差作为先验信息,引导代价函数根据图像的纹理结构自适应校正,最终使算法具有很强的边缘保持能力。实验结果表明,本文算法重建图像的质量无论在视觉效果还是信噪比上,都明显优于其它算法。