图像超分辨率重建是一种由低分辨率图像获得高分辨率图像的技术，是图像处理领域一个热点问题，不仅在理论上具有重要研究意义，在实际应用中也有迫切需求，已广泛应用于卫星图像分析、天文图像处理、光学遥感图像处理、合成孔径雷达遥感图像处理、医学图像处理、安全监控和视频传输等许多领域。　　 本文首先论述了图像超分辨率重建的应用背景、基本概念和基本问题。阐述了病态逆过程和规整化问题，对比最大似然法（ML）图像超分辨率重建算法和最大后验概率（MAP）图像超分辨率算法在先验规整化方面的差异，突出了先验规整化在图像重建中的重要作用。　　 然后，重点研究了图像的先验概率分布模型——Gibbs模型。通过对Gibbs模型和基于Gauss-Gibbs随机场的经典最大后验概率图像超分辨率重建算法进行研究分析，提出了基于参数估计的自适应最大后验概率超分辨率重建法。该方法利用最小二乘法对Gauss-Gibbs随机场参数进行估计，并将其用于对图像重建进行规整化，克服了通常采用拉普拉斯算子作为模型参数的最大后验概率图像重建而带来的边缘和细节模糊现象，提高了重建图像的清晰度，减小了重建图像的均方误差。　　 最后，研究了在先验概率分布模型中引入线过程模型的MAP超分辨率图像重建方法，通过实验证实了该方法能够有效提高图像边缘的重建效果，增强图像边缘清晰度，从而进一步提高图像的重建质量。