图像复原技术具有广泛的应用领域,近年来已经成为国内外图像界研究的热点问题之一。在获取图像的过程中,有许多因素会导致图像质量的下降,我们称它为降质,如光学系统的像差、大气扰动、运动、散焦和系统噪音,它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理,使其复原成没有退化前的理想图像。图像信息是人类认识世界的重要信息来源,然而由于图像成像条件和图像传输过程中存在不良因素,会使图像质量下降,从而影响图像的使用和其后的处理。如何从降质图像复原出清晰的、内容丰富的图像是人们所普遍关注的问题,在国民经济和国防建设等诸多方面有着巨大的应用价值和理论研究意义,这就是图像复原要解决的问题。图像质量评价作为图像处理系统及图像处理算法的性能预测的重要手段,分为主观评价方法及客观评价方法。主观评价方法可操作性差,常在实验室采用。基于误差统计的图像质量客观评价传统方法如PSNR和MSE目前被广泛应用于各种因素引起的退化图像的质量评价,某些情况下,其判断结果基本与图像主观视觉效果一致。本文首先介绍了图像复原技术的物理本质及图像复原算法的研究现状。在此基础上着重研究了图像超分辨率复原技术的数学原理,分析了基于重建及基于插值的超分辨率复原算法,提出了一种改进的图像复原算法并对图像质量的主客观评价手段进行了探讨。首先,主要介绍了图像复原的研究背景和发展趋势,分析了近年来图像复原的主要方向,从不同方面总结了图像复原的大致趋势,如何提高图像复原的算法的性能称为今后日后研究的重点。对三种经典的图像复原方法进行了概述：逆滤波复原、维纳滤波复原和约束最小二乘方复原,并对这三种方法进行了实现,分别用两种图像质量评价方法进行了比较。其次介绍了超分辨率技术的理论基础和超分辨率在空域上的各种算法,算法大致分为三类：基于学习的超分辨率算法、基于重建的超分辨率算法和基于插值的超分辨率算法,并简要分析了各种算法的优缺点。同时用Matlab工具实现了三种基于插值的超分辨率算法,得到放大后的图像。最后,本文提出了一种多帧图像超分辨率复原算法。多帧图像超分辨率算法利用序列图像之间包含相似但不完全相同的互补图像信息重构高分辨率图像,通常包含频域超分辨率重构及空域超分辨率图像重构。空域重建算法将插值、迭代、滤波和重采样放在一起处理,可以采用更广泛的观测模型。为此,本文提出了一种空域多帧图像超分辨率处理算法——基于Delaunay三角剖分的多帧图像超分辨率算法。该算法在空间不规则采样点的Delaunay三角剖分的基础上,对各顶点进行梯度估计,将每一个三角块区域采用双变量多项式进行拟合,获得一个连续且连续可微的曲面,然后对拟合曲面重采样,可获得任意比例的高分辨率图像。