随着非接触式红外检测应用的发展,红外图像在其中某些方面起到了越来越重要的作用,红外图像的应用场景逐渐增多受到了人们越来越多的关注。相比于传统的可见光图像,被动红外技术所得到的红外热成像不会受到各种恶劣环境,极端现象的影响。成像的抗干扰性较强,适合于在某些特殊场景下的应用。尽管红外热成像在某些方面优点很多,但红外光的波长过长,红外传感器阵列在采集光波频率时会由于无法达到图像频率的二倍而由于欠采样导致图像信息的混叠,从而导致红外热成像模糊不清,或者空间分辨率过低。图像模糊对一些高精度且无法人工接触时的问题是致命的,很可能由于一些细节无法观察到就导致严重的后果。本论文针对红外成像系统在某些场合下对较高分辨率的使用需求,围绕分布孔径的设备装配方式展开了系统性的研究工作,对红外图像成像原理、图像配准的算法原理及分类、图像重建算法的原理以及超分辨率重建模型的选择分析进行了深入的研究,并制定了一个完整的图像超分辨率重建的流程。首先对实验中所需要的各种算法,即图像配准算法,图像重建算法,超分辨率重建网络模型的必要性进行了肯定,并对这些算法大类中包含的各种不同的算法进行了简要的概述和分析,为后面的实验进行知识铺垫。随后对实验进行开展,先对四台相机所组成的成像系统进行了搭建,并对相机进行控制并采集图像数据,将采集到的RAW文件转换为图像数据格式以便于后续的处理。根据傅里叶梅林变化算法的原理编写程序对四台相机所采集的帧进行了图像配准,并对配准结果进行了分析。选择了POCS算法来对图像序列进行信息的整合来重建恢复出一幅高分辨率的图像,并对重建效果查看分析。最后经过比对选定了Real SR作为超分辨率重建模型,先将该网络模式使用于训练集进行训练,并通过测试集图像块检测训练结果,然后通过图像重建出的高分辨率图像块作为图像输入,从而获得了输出后的超分辨率图像块,并取原图像和超分辨率图像中的图形块,实现了视觉上的对比显示。最后研究了评价指标方法并选定了无参考图像超分辨率评价指标中的方法作为图像进行数据可视化的分析方法,将利用本研究所获得的超分辨率图像和利用传统超分辨率图像算法计算所获得的超分辨率图像,通过数据分析指标进行综合计算并与传统方法所得到的图像分析指标加以比较。数据表明,该研究技术要高于常规的超分辨率重建方法,为红外图像的超分辨率提升提供了一条新思路。