图像超分辨率复原是图像处理中一个重要的研究课题，近年来一直是图像处理领域中一个研究热点，图像超分辨率复原不仅在理论上具有重要意义，在实际中也有广泛应用。该方法通过对图像序列作运动估计、信息融合、去除模糊和去噪声等操作，从低分辨率序列的多幅图像中恢复细节更精细的高分辨率图像，是一种既经济又容易实现的图像分辨率提高方法。本文围绕基于双边滤波的图像超分辨率复原模型展开研究，主要内容包括超分辨率复原的性能评价、超分辨率复原的双边滤波模型及其算法框架以及在此框架下位势函数和相似性函数的选择。根据图像相似性以及图像质量的一些标准，对主观视觉效果和客观的量化标准两方面分别进行研究，给出一个图像质量评价体系，并且作为图像超分辨率模型和算法的评价基准。在图像超分辨率复原模型方面，从概率统计观点出发，利用贝叶斯框架和马尔可夫随机场理论，将图像先验模型作为正则化项，给出了基于双边滤波的图像超分辨率变分模型，推导了基于偏微分方程演化的迭代算法框架。在给出的框架中，与灰度变差相关的位势函数的选择以及与像素几何距离相关的相似度函数的选择对图像超分辨率有重要影响。一方面，给出了Tikhonov、TV、Huber以及Entropy函数进行综合比较，在此基础上给出了一个耦合TV和熵模型的新的正则化项，实验结果表明了本文提出的改进的正则方法的有效性。另一方面，给出了图像像素间广义相似度函数，该函数反映了几何距离相似性和特征相似性，因此可以进一步提高超分辨率复原的效果。实验证明了该框架对于不同的纹理和细节的多幅图像的有效性。