超分辨率重建(SuperResolutionReconstruction，SRR)是根据若干幅低分辨率(LowResolution，LR)图像，采用信号处理的方法重建出一幅或多幅高分辨率(HighResolution，HR)图像的技术。由于无需对现有成像设备进行升级就可以实现图像分辨率的提高，有效降低了应用成本，所以该技术在多个领域都有着广阔的应用前景，成为近年来图像处理领域的一个研究热点。　　 本文简要介绍了图像重建模型和空域重建算法，重点研究了MAP框架下的正则化算法，对算法原理、数据保真项和正则项进行了详细分析。通过对比研究现有的几种正则化算法可知稳健性是决定算法性能的关键因素之一。然而，现有的算法如最小二乘估计因稳健性较差而对离群值非常敏感，容易导致估计结果出现较大偏差。所以为了提高算法对离群值的抗干扰能力，根据稳健估计理论，提出基于Tukey估计的新型数据保真项。实验结果证明，基于Tukey范数的新正则化算法具有良好的稳健性，对于退化模型中的运动和噪声等偏差敏感度较低，重建图像视觉效果较好。　　 正则化算法中，正则项的作用是提取估计值与观察值的偏差，以此作为对先验信息的补充来对估计结果进行修正。因此正则项不仅保证了算法的稳定输出，而且直接影响着重建图像的结构特征。合适的正则项，可以在保证算法有效消除噪声影响的同时，使重建图像具有更加清晰的纹理。根据核回归理论，正则项可视为重建过程中的滤波器。经典的拉普拉斯正则项不能对噪声和图像纹理信息进行区分，所以重建效果较差。双边全变差正则项(BilateralTotalVariation，BTV)在噪声较大的情况下容易出现误判，影响最终估计结果。自适应核回归滤波器（AdaptiveKernelRegression-TV，AKTV）首先对图像结构进行估计，然后根据估计的结构自主选择核函数形状和大小，实现对图像纹理的精确估计，有效避免BTV出现的误判现象。选择AKTV作为正则项，实验结果证明AKTV不仅提高了算法的抗噪能力，而且增强了HR图像的整体细节。