随着社会的发展,人们对高质量图像的需求越来越来强烈,对光学成像系统采集图片的清晰程度也提出了更严格的要求。在实际的生产生活中,图像作为真实世界中三维场景在二维平面的投影,这个过程会损失大量的信息。同时光学成像系统在对目标物体进行成像的过程中,有很多因素会导致图像质量的退化,严重损害了图像作为一种记录客观世界的载体功能。随着人类进入数字时代,图像信号需要数字化处理,就必然存在从模拟图像信号到数字图像信号的转换。由奈奎斯特采样定理可知,采样频率至少是信号最高频率的两倍时,信号才能得到全部重建,否则会引起信号频谱的混叠。而图像信号相较于音频信号,其高频信息更为丰富,所占的频谱带宽更宽,模拟图像信号的数字化对硬件的采样率提出了更高的要求。通常情况下,模拟图像数字化采样率是不充分的,由此产生的欠采样所造成的频谱混叠以及系统存在的噪声,使得图像进一步退化。因此,如何对光学系统,光电成像器件,以及图像后期处理做出改进,使所得图像的分辨率提高,尽可能的接近于理想目标原型,成为国际上研究的热点之一,具有非常重要的实用价值和现实意义。按照傅里叶光学的观点,光学成像系统相当于一个低通滤波器,系统频率响应截止于某一光学衍射频率。图像超分辨率技术就是希望恢复或重建成像系统截至频率外的一些频谱的内容。当图像作为一个函数,是空域有界的,则其谱函数是一个解析函数。根据给定解析函数在某个区间上的取值而对函数整体进行重建就叫做解析延拓,故从理论上讲,重建图像的整个谱函数或至少重建衍射极限外某些频率上的谱函数是可能的。本文根据超分辨率图像重建方法的最新发展,重点研究了超分辨率图像重建的理论基础、数学模型以及现有的主要方法,在此基础上提出了一种基于非均匀采样的内插原理和后向迭代投影算法相结合的新算法,先通过非均匀采样的内插原理得到迭代因子,然后代入后向迭代投影算法中,然后通过对输出加以低频分量最匹配的约束,得到了无论从主观角度还是客观数据方面都令人满意的结果。实验证明了方法的有效性。