不改变现存低分辨率成像系统,通过多帧互有位移、信息互补的低分辨率图像或视频序列获取高分辨率图像的超分辨重构技术,一直是图像处理领域中研究热点之一,在刑事侦察、目标识别、医学诊断等领域具有广泛的应用。　　 从图像超分辨机理分析入手,围绕图像的去噪、配准、重构模型及算法的设计,本文主要的研究工作和创新点如下:　　 首先,采用描述能力较强的透视变换模型进行全局运动估计,运用基于SIFT不变特征的图像配准策略。利用SIFT不变特征在图像存在旋转、尺度缩放、仿射变换、视角变化、亮度变化等复杂情形下表现出来的不变性可以达到的子像素级的配准精度,最大限度减少图像尺寸放大和序列图像相叠造成的误差放大效应。　　 其次,多帧图像配准的累积误差不可忽视,引入多幅图像拼接领域的整体优化策略捆绑调整算法,保证了对应的运动估计矩阵计算结果具有较高的精确性和稳定性。　　 最后,本文通过增加权重参数,改进了基于Gamma分布的局部自适应保持边缘的先验模型。该基于最大后验框架的超分辨率重建算法具有重建质量好、边缘保持能力强、收敛速度快等特点。　　 将本文提出超分辨率配准和重建框架应用于模拟和实拍数据集,通过对比实验表明该算法具有精确的配准精度以及良好的重建性能。