图像的空间超分辨率重建是指从一幅或相关的多幅低分辨率图像中重建出高分辨率图像或图像序列的过程，它广泛应用于医学图像分析、视频监控、高清电视转换、遥感测绘、天文观测及星像定位等几乎所有数字图像处理领域，有着广阔的应用前景和巨大的社会经济效益。同时，由于超分辨率图像重建本身是个病态逆问题，而且涉及相关技术的交叉联用，该课题仍然面临诸多挑战，成为图像处理技术研究的热点。本文探讨了图像配准、图像恢复、图像重建等相关理论和方法，对图像空间超分辨率重建的各个环节进行了系统、深入地研究。针对超分辨率重建流程及实际应用的需求，本论文研究的方向包括：(1)单帧图像的超分辨率重建；(2)图像序列的配准和超分辨率重建；(3)超分辨率重建算法的性能及鲁棒性；(4)超分辨率重建技术与应用的结合。针对上述问题，本文的主要研究内容及贡献归纳如下：1．针对文字图像纹理主要是纵横和对角线方向的特征，提出用可调模板作为卷积核测定图像平滑度的方案，并以此作为先验信息在Bayes框架下提出了一种基于最大后验估计的单帧超分辨率盲重建算法。实验表明，算法对噪声具有鲁棒性，在车牌识别和文档识别应用中有效提高了文字区域图像的正确识别率，同时也适用于一般普通图像。2．针对短时间间隔拍摄的适用平移旋转模型的图像序列，提出了一种基于Keren配准的快速超分辨率重建算法。该算法先对图像序列采用Keren算法进行配准，再用变换参数将低分辨率图像序列中的像素点映射到高分辨率网格，最后进行像素值的融合和填充。算法对一定范围内的配准误差具有鲁棒性。实验表明，该算法与传统超分辨率重建算法相比在重建效果和执行效率上都具有明显优势。3．针对不同焦距下拍摄的多分辨率图像序列和更一般化的投影变换模型，提出了基于SIFT特征和Harris角点的超分辨率重建算法。算法首先提取SIFT特征向量或Harris角点作为图像特征，然后对SIFT特征描述向量采用向量夹角余弦法，对Harris角点采用双向邻域互相关法进行初步特征匹配，再采用RANSAC算法消除误配特征点对，提高配准精度，最后基于像素可信度的定义，提出了模板卷积和像素可信度加权平均的两种空洞像素填充策略，实现序列的超分辨率重建。实验表明，在处理缩放尺度较大的多分辨率图像序列时，本文提出的基于SIFT的超分辨率重建算法性能相对较优，并且克服了其他超分辨率重建算法在低分辨率帧数较少可用信息量不足的情况下性能急剧下降的缺陷。4．针对普通图像配准和重建方法不能处理的天文观测图像，本文从比较分析高精度恒星定位算法着手，提出了一种结合平场校正、自动搜星定位和基于三角形匹配配准的超分辨率重建方法，并用于星系图像的多峰及双峰结构辨识。模拟图像和实际观测图像序列实验均证实了本文算法的有效性和优越性。