在图像获取的过程中,由于场景的运动或相机的抖动都会使原始图像发生扭曲变形。另外,大气的扰动、光学镜头以及数字图像传感器的固有限制都使得很难得到理想的高分辨率清晰图像。如何在不改变现有硬件的基础上,通过低分辨率图像重新获得高分辨率图像的成为超分辨率技术研究的核心内容。超分辨率技术已经发展近半个世纪,早期的研究主要是基于单帧的超分辨率技术,由于可以借鉴的有用信息太少而受到限制。到了上世纪八十年代基于多帧超分辨率技术迅速发展起来,其主要包括两种方法:频域法和空域法。随着超分辨率经典模型的建立,空域法越来越受到人们的关注。一般讲来空域法中超分辨率图像重建技术包含了三个要素:图像配准、插值和去模糊(图像复原)。图像的配准是进行超分辨率图像重建的前提,其配准的精确性直接关系到重建图像的质量;图像的插值与复原一般看成一个部分,指的是在更高的分辨率栅格上复原图像。这样问题解的病态性和不定性增加。针对这一问题,本文引入正则化方法来约束解的不适定问题,同时引入对全局最优解有着很好搜寻能力的遗传算法实现正则化框架。然而在超分辨率重建算法中往往把成像系统中的点扩展函数PSF(产生模糊的原因)看作已知量来对低分辨率图像进行重建的,那么如何在没有任何先验信息,模糊未知的情况下完成盲超分辨率的重建,就是困扰我们新的难题。针对这一问题本文提出了一种基于遗传算法正则化盲超分辨率重建方法。本方法把模糊评估项引入正则化能量函数,由此所形成的函数就是涉及到高分辨率图像和未知模糊。为了提高图像超分辨率重建的效率和复原图像的质量,通过引入遗传算法对高分辨率图像和未知模糊同时评估。这样就完成了在没有任何先验信息时盲超分辨率的重建。此外,把有理数采样因子引入到传统的整数采样因子范围中,详细介绍了更符合实际的有理数采样因子重建图像的过程,同时指出在超分辨率图像重建过程中,SR因子、低分辨率图像之间存在的关系。最后给出了仿真结果以及详细的仿真分析。与其它超分辨率重建技术进行了比较表明,此方法是一种新颖实用的方法。