在视频监控处理、军事遥感侦查、水下图像处理和医学图像病灶检查等领域中获取到的图像通常比较模糊且分辨率较低,但实际应用时却需要包含大量细节信息的高分辨率图像,所以提高获得图像的分辨率或对其进行图像复原就成为一个至关重要的问题。若通过提高成像系统性能来直接获得高分辨率图像,则会导致成像设备的成本增加;而如果通过图像超分辨率重建技术进行间接提高其分辨率,能获得更好的效果且重建过程简单易操作,因此其就成为图像超分辨率重建领域的研究热点。图像超分辨率重建技术近几年来发展迅速,国内外的研究人员提出了多种超分辨率重建算法,主要分为两类:频域法和空间域法。频域法针对的是图像间整体平移的情况,所以到今天对于该方法的研究依然没有重大突破。空间域法使用的则是全局观测模型,其包括全局和局部运动、光学模糊、运动模糊、空间变量点扩散函数和非理想采样。空间域法相比频域法有较好的适应性和重建效果,因此是超分辨率重建领域的研究热点。本文研究的是空间域算法中的凸集投影算法(Projection Onto Convex Sets,POCS)。POCS算法在直观性、有效性、观察模型的实用性和先验信息的灵活应用性方面优势明显,所以在超分辨率重建算法中研究前景最好。然而,现有的POCS重建算法仍有以下不足:(1)采用的双线性插值算法得到的图像边缘模糊;(2)数据一致性约束的校正阈值为常数,忽略了对象和背景噪声之间的差异,导致获得边缘模糊和低信噪比的图像。本文首先采用离散小波变换对图像进行去噪预处理实验。实验结果表明,离散小波变换对高斯噪声的去除效果要好于椒盐噪声,但其只能进行噪声去除而不会提高图像分辨率,因此就需要对预处理图像继续进行超分辨率重建。另外针对传统POCS算法的采用的双线性插值得到的图像会因其对图像的平滑作用而出现边缘模糊的现象,提出了使用梯度插值算法进行参考帧的初始估计;由于传统POCS算法中的校正阈值为常量,使得忽略了对象和背景噪声之间的差异,对所有的像素点使用相同的处理模式,导致得到的图像边缘模糊和信噪比低的问题,将其校正阈值改进为可变阈值,就可以对不同的像素区域进行不同的校正。实验结果证明,本文采用的基于梯度插值与可变阈值改进的POCS算法相比双线性插值、双三次插值及基于边缘保持的POCS算法减小了插值点对灰度变化率的影响,很好地保持了图像的边缘的信息,并且达到了自适应地滤除噪声的目的。