对于大多数与计算机视觉相关的系统而言,其功能在很大程度上依赖于图像的质量。而在成像过程中,受成像条件和成像方式等因素的限制,成像系统通常并不能获取原始场景中的所有信息,从而造成图像质量的退化。图像重建的目的就是对退化图像进行处理,使其复原接近没有退化前的理想图像。超分辨率图像重建(SSR)是利用同一场景的多幅低分辨率图像间的相对互补信息,将它们融合到单幅高分辨率图像中,即恢复成像过程中所丢失的高频信息,从而实现在无需提高系统硬件性能的同时获取高于成像系统分辨率的高质量图像的目的。本文在凸集投影算法(POCS)的基础上,以智能视频安全监控为研究背景,对基于图像序列的超分辨率图像重建问题进行了研究,主要研究内容包括：(1)对图像插值方法进行了研究,由于线性插值会使图像边缘模糊,因此本文提出了基于边缘保持的插值方法。局部自适应插值方法能够较好的保持图像边缘,但是它考虑的边缘方向并不全面。基于这一点,本文提出了双通道局部自适应插值,进一步改善了图像的插值效果。(2)对运动估计中的块匹配方法进行了研究,分析了匹配准则和搜索策略两个关键因素。针对传统匹配准则SAD的缺点,应用了约束条件SAD,提高了块匹配估计的准确度。在搜索策略方面,结合了三步搜索和菱形搜索的优势,提出了三步菱形搜索策略,提高了块匹配的速度和准确度。(3)对基于凸集投影算法的超分辨率重建进行了研究,其中点扩散函数(PSF)的构造是实现图像重建的关键因素。传统的方法将PSF假设为高斯函数,这样会造成边缘震荡现象。使用双边滤波器对图像进行处理,能够保持图像的边缘,但是忽略了噪声的影响,基于以上原因,本文提出了伪中值滤波的思想,使图像的重建效果得到了改善。