随着计算机多媒体技术和数字图像处理技术的迅猛发展,人们对数字图像的分辨率要求越来越高。高分辨率图像不但更加清晰,而且包含着更多的细节,而这些细节在许多实际应用中不可或缺。由于图像传感器对分辨率的诸多限制,因此有必要采用一种新的方法来提高现有图像的分辨率。超分辨率图像重建技术正是这样一种方法,该方法是将多幅模糊、有噪、频谱混叠的低分辨率降质图像或视频序列重建成一幅理想未退化的高分辨率图像。本文对超分辨率图像重建过程的几个关键环节进行了深入研究,主要从空域方面研究超分辨率的重建,针对重建过程中的图像配准以及重建算法展开研究。　　 图像配准的作用主要将所有低分辨率图像配准到参考帧的相应位置。在图像配准这个环节,对局部配准和全局配准分别进行了研究。对于局部配准,研究了Horn-Schunck和Lucas-Kanade两种主要的光流方法来估计运动向量,并对相关参数进行了实验研究。对于全局配准,针对梯度法在大位移下配准结果存在误差的问题,提出了结合高斯金字塔的改进梯度法,并通过大量实验验证了改进算法在大位移下配准结果的有效性。　　 本文对超分辨率图像重建中常用的凸集投影算法和正则化算法两种空域算法进行了深入研究。针对标准的凸集投影算法导致的图像边缘质量下降的缺陷,提出一种改进方法。该方法使用小波双三次插值来估计初始图像,利用小波变换的相关性质,使插值后的图像较常见的插值方法得到图像的效果更好,并使用双边滤波代替高斯滤波来估计图像的点扩散系数,同时加入了图像相关性来约束松弛投影算子。实验结果表明,改进后的算法可以有效的改善重建图像的质量。　　 在深入研究正则化算法的理论框架基础上,针对正则化算法在选取正则化参数时存在固定参数的弊端,提出了自适应的正则化方法,该方法增加了权系数矩阵,并且在小波域中估计权系数。实验结果表明利用该算法所重建获得的图像效果更好。