图像质量的优劣对人类视觉和各种计算机视觉系统都十分重要,因此图像复原一直是数字图像处理的重要研究内容。作为图像复原的一个分支,超分辨率图像重建问题得到人们越来越多的关注。在视频监控、卫星成像和医学诊断等应用中,由于物理条件的限制,人们获得的图像分辨率较低,无法满足实际需要。超分辨率图像重建技术就是利用这些低分辨率图像序列中各帧图像之间的冗余信息,重构出高分辨率图像。本文主要包括以下内容:首先介绍了超分辨率图像重建技术的发展,分析了该技术能够实现的数学和物理基础及其不适定性,对常见超分辨率重建方法进行了概述,并讨论了超分辨率图像重建算法的主观和客观评价标准。此外,还介绍了遗传算法的运算流程、基本操作和特点等内容。其次分析了超分辨率图像重建算法的观测模型,并讨论了几何形变、模糊、降采样和噪声等模型参数。在此基础上,针对简单遗传算法的未成熟收敛问题,提出了一种基于灾变遗传算法求解高分辨率图像最优估计的方法。该方法以种群的适应度值方差为灾变的判断条件,利用共轭梯度算法作为灾变算子重新构建种群,从而改善了种群的多样性,避免陷入局部最优解。同时对灾变条件和灾变规模进行了分析,并且给出了根据进化代数调节灾变条件的方法。最后讨论了正则化参数的选取问题,对自适应正则化参数的基本性质和形式进行了介绍。结合图像的局部信息,构建了具有空间自适应性的正则项。将该正则项加入到遗传算法的目标函数中,并应用于超分辨图像重建,使复原效果得到进一步的提高。