在图像和视频的处理过程中，由于采集、存储和传输系统的影响，所得到的图像分辨率常常满足不了实际应用的需求。为此，人们提出了超分辨率(SR)重建技术，即从多幅降质的低分辨率图像重建出高分辨率图像，这也是目前研究的热点。近年来，压缩视频被广泛应用，国际上也制定了众多编码标准，如JPEG,MPEG和H.26x等，但为图像原始格式而设计的SR算法直接应用到压缩视频却不能得到有效的效果，尤其在高压缩比下，因此新的SR算法必须考虑压缩结构的影响，而这比通常的图像超分辨率重建更加复杂。本文在分析压缩系统特点的基础上，主要围绕适用于压缩视频的SR算法展开，具体内容包括： 1.分析了超分辨率重建的数学原理，讨论了各种降质模型，包括静态图像和压缩视频等，并对降低运算复杂度的措施进行了阐述；研究了运动估计这一影响超分辨率重建的关键因素，其中主要讨论了分级块匹配方法，并进行可信度的验证； 2.针对单幅压缩图像的SR重建，提出了基于空/频自适应的重建算法。在正则化理论的基础上，构造的新的正则化函数控制着频域噪声和空域先验信息之间的平衡，通过分析DCT变换和量化过程，采用了变换域噪声的均匀分布模型，用于估计空间域量化噪声的协方差矩阵，正则化参数在SR重建的迭代过程中动态自适应更新，利用迭代梯度下降法进行超分辨率重建。实验结果证实，提出的算法在低比特率的场合下具有较好的重建效果; 3.针对压缩视频序列的静态(单帧)SR重建，提出了基于窄量化约束投影的重建算法。在凸集投影理论的基础上，对视频压缩过程进行建模，利用压缩比特流中的量化信息来创建窄量化约束集，并根据人眼视觉特性和图像的统计特性，自适应地选取比例系数，并对算法的特性进行分析。为了验证算法在理想条件下和真实应用条件下的性能，分别针对合成的压缩视频和实际的压缩视频进行了仿真实验。实验结果证实，提出的算法不仅能有效消除量化噪声，而且收敛速度快，能取得明显的主、客观重建效果; 4.针对压缩视频序列的动态(多帧)SR重建，提出了基于噪声统计特性和运动补偿的重建算法。在贝叶斯理论的基础上，利用比特流中的量化信息和运动信息，建立了量化噪声和运动噪声模型，并考虑成像过程的加性噪声，总的噪声模型对不同的量化器可自适应调整。以Huber-Markov随机场作为图像的先验模型，用梯度下降法进行Bayesian框架下的最大后验估计，并对其特性进行了分析。针对合成的和真实的压缩视频进行仿真实验。实验结果证实，提出的算法在低码率的条件下具有较好的主、客观重建效果，适合压缩视频的动态重建； 5.对本文提出的超分辨率重建算法的性能进行分析与比较，主要从重建主观效果和算法复杂度两方面，指出了各算法的优缺点，并对降低复杂度的措施进行了阐述。对超分辨率重建图像质量的评价准则进行探讨，介绍了主观质量评价方法和客观质量评价方法，并选取归一化相关性测度对本文提出的几种算法进行评价。